#今日论文推荐#训练数据减少多达三个数量级，等变图神经网络在长时间尺度上进行高保真分子动力学模拟分子动力学（MD）模拟是在能源存储、催化和生物过程等领域进行计算发现不可或缺的工具。在实践中，第一性原理方法的不利计算尺度将模拟限制在较短的时间尺度和较少的原子数。基于机器学习，特别是神经网络的原子间势能灵活模型的构建，有望从从头算参考计算中学习高保真势能，同时保留有利的计算效率。近日，来自哈佛大学的研

构建鲁棒的通用对目标测框架需要扩展到更大的标签空间和更大的训练数据集。然而，大规模获取数千个类别的标注成本过高。作者提出了一种新方法，利用最近视觉和语言模型中丰富的语义来定位和分类未标记图像中的对象，有效地生成用于目标检测的伪标签。...

本文基于图像的图表示（graph representation）提出了 vision graph neural network (ViG)。

YOLOv7 研究团队提出了基于 ELAN 的扩展 E-ELAN。

1958 年，弗兰克 · 罗森布拉特发明了感知机，这是一种非常简单的机器模型，后来成为当今智能机器的核心和起源。

本文对基于树的模型和深度模型进行比较，总结出三点原因来解释这种现象。

让生产生活变得更加高效便捷，让更多人享受到人工智能技术的福利

图神经网络和强化学习都是机器学习中研究的主流模型，如何结合GNN和RL，是一个有趣的问题。

目标检测是计算机视觉中的经典任务之一。围绕小目标检测却是个更具挑战的任务。

姿态估计模型在实际工程部署中，大家经常会遇见的一个问题是：模型在单张图片上表现得好好的，但到了视频或摄像头上预测结果就会开始出现抖动，这显然不是我们希望看到的。