连续扩散语言模型

ESM2和ESMFold

目录引言稳定性可解释性公平性虚假相关性是风险的关键来源预测建模中因果关系的挑战和机遇稳定学习的定位与发展从因果关系的角度进行稳定学习文章 “Stable learning establishes some common ground between causal inference and machine learning” 深入探讨和总结了因果推理在机器学习取得的关注，并对 “稳定学习” 提出了

机器学习预测肿瘤细胞和正常细胞

联邦学习用于细胞分类

化简扩散模型：基于生成任务学习表示

人工势-pid-mpc自动驾驶

基于PLM的DTI预测

知识图谱(2)词汇挖掘与实体识别

单细胞数据集的规模不断扩大，对处理规模正在扩大、模态正在扩展和不可避免的批次效应引发了计算挑战。最近出现了很多基于深度学习的方法，通过将细胞表示为非线性embedding来解决这些问题。这里将介绍细胞表示的对比学习，Concerto，它利用自监督蒸馏框架来建模多模态单细胞图谱（multimodal single-cell atlases）。