基于MATLAB和Simulink的人工智能研究
全世界的研究人员都在MATLAB和Simulink的帮助下与MathWorks合作进行人工智能的应用研究。探索特色研究人员、项目主题和相关出版物。
积极的人工智能研究合作
首席研究员
阿拉巴马大学
机器学习是格莱泽博士研究的主要部分。他开发了方法和算法，然后将它们应用于粒子物理挑战，如粒子识别、事件重建和提取大型强子对撞机(LHC)数据中的有趣物理。他的目标是利用来自最高能量和宇宙前沿实验的数据，如大型强子对撞机和高光度大型强子对撞机和鲁宾天文台的数据，以及复杂的机器学习算法，对新物理(如暗物质)的可能存在做出定量陈述。
人工智能的研究项目
用于CMS实验一级触发器粒子和事件识别的端到端图神经网络
MathWorks支持这项研究合作。
相关的出版物
- 高能物理社区的机器学习白皮书世界杯预选赛小组名单
S.格莱泽，P.赛费特和S.施拉姆，计算物理学2019年5月19日(纸质预印本)
- 基于CMS开放数据的夸克和胶子端到端射流分类
M. Andrews, J. Alison, S. An, P. Bryant, B. Burkle, S. Gleyzer, M. Narain, M. Paulini, B. Poczos, E. Usai，高能物理-实验, 2020年10月
首席研究员
斯坦福大学
科夫斯切克博士对非常规地质构造(如页岩)的化学和物理感兴趣，因为它们在能源过程向净零碳排放过渡的过程中具有重要意义。除了作为一种重要的能源资源外，非常规地层还可作为常规地下地层的地质密封，可用于隔离二氧化碳、储存间歇性可再生能源(如绿色氢)和隔离核废料。非常规储层在地下普遍存在，但由于其纳米多孔结构和极端的非均质性，我们的工程科学知识非常贫乏。他的研究小组研究了多孔介质的结构，以及从孔隙到实验室再到油藏的长度尺度上的流动物理。组织主题是流动成像，以描述多孔介质(水和气体)中的运移机制，并综合实验、理论和现场数据的模型。
人工智能的研究项目
基于生成对抗网络的CT图像超分辨率
建立页岩电镜图像预测的图像超分辨率管道
MathWorks支持这项研究合作。
相关的出版物
- 用生成流网络重构多孔介质
关金明，T.I.安德森，P. Creux, A.R. Kovsceka，电脑与地球科学，第156卷，2021年11月
- 基于生成网络的复杂纳米多孔体二维到三维图像平移
T.I.安德森，B.维加，J.麦金齐，S.A. Aryana, A.R. Kovscek，性质:科学报告2021年10月21日
首席研究员
麻省理工学院
大数据和不断增强的计算能力意味着，在商业和科学的许多领域，人工智能已成为推理和分类的强大工具。然而，对于诸如物理科学等领域，特别是与气候和可持续性问题有关的领域，数据可能很难产生和管理。利用基于物理学的机器学习的概念，雷蒙德博士的研究冒险进入了新型生物医学设备的设计，改进了轻度创伤性脑损伤的检测，并重新聚焦于海洋健康和生物多样性的数据和模拟应用。
人工智能的研究项目
MathWorks支持这项研究合作。
相关的出版物
- 微通道中基于衍射设计的声学图形深度学习方法
塞缪尔·j·雷蒙德，大卫·j·柯林斯，理查德·奥洛克，马赫努什·塔伊比，叶艾和约翰·威廉姆斯，性质:科学报告2020年5月26日
- 基于物理的机器学习改进了头部撞击的检测
Samuel Raymond, Nicholas J. Cecchi, Hossein Vahid Alizadeh, Ashlyn A. Callan, Eli Rice，刘宇哲，周周，Michael Zeineh, David B. Camarillo，生物医学工程年鉴， 2022年2月10.1007 / s10439 - 022 - 02911 - 6）
先前的人工智能研究合作
首席研究员
马萨诸塞大学阿默斯特分校
在马萨诸塞大学ICEnet[内燃机网络]联盟中，我们开发了预测机器学习算法，利用计算机模型改进发动机设计周期，使制造商能够优化设计，创造出节能的发动机。这个合作项目利用了人工智能的颠覆性技术，将其应用到引擎研发范式中。我们目前的一些研究领域包括提高湍流模型的保真度，开发更好的喷雾/气体相互作用子模型，以及使用人工神经网络使燃烧计算更快。
人工智能的研究项目
ICEnet利用人工智能的颠覆性技术，将其应用到引擎研发范式中。
MathWorks支持这项研究合作。
相关的出版物
- 基于神经ODE的湍流预测
G. Portwood, P. Mitra, M. Ribeiro, D. Schmidt, NeurIPS 2019，第二届机器学习与物理科学研讨会，2019年11月12日
首席研究员
卢布尔雅那大学
对集中供热系统的短期热需求进行预测是保证供热充足和集中供热系统优化运行的关键。在本研究中，利用斯洛文尼亚最大的DH系统的数据，考虑了一种基于机器学习的多步短期热需求预测方法。提出的方法包括基于机器学习的典型预测模型的特征提取和比较分析。非线性模型的预测效果优于线性模型，高斯过程回归的预测效果最好。该模型被选为卢布尔雅那卫生部的在线预测解决方案，自2019年11月以来一直生成平均绝对规范化误差为2.70%的预测。
人工智能的研究项目
基于机器学习的集中供热系统多步热需求预测
相关的出版物
- 基于机器学习的集中供热系统多步热需求预测
P.波托伊夫尼克，P. Škerl, E.戈韦卡，能源和建筑， Vol. 233, 2021
首席研究员
德克萨斯大学奥斯汀分校
语言障碍与技术实验室(SDTL)致力于开发辅助语音技术，包括无声语音接口和语音驱动的脑机接口，以及对神经源性运动语言障碍和言语交流的神经机制进行基础科学研究。先进的计算技术(如机器学习)在这些项目中被大量使用。
人工智能的研究项目
UT Austin的研究人员使用MATLAB从MEG信号中推导出完整的短语，作为开发脑机接口的第一步，该接口将使ALS患者能够进行交流。
相关的出版物
- 从非侵入性神经(MEG)信号解码想象和口语短语
D.达什，P.法拉利和J.王，神经科学前沿， 14(290)， 1-15, 2020
首席研究员
LMU慕尼黑
慕尼黑基因中心的研究重点是基因组和系统生物学、先天免疫和感染生物学以及转化医学。我们的研究方法通常是跨学科的，从结构和分子生物学到计算和系统范围的研究。我们的研究团队想要了解蛋白质和大分子复合物是如何在结构和机制水平上发挥作用的。一个特别的重点是利用冷冻电子显微镜对蛋白质和大分子络合物进行高分辨率结构分析，此外还有x射线晶体学和其他最先进的技术。
人工智能的研究项目
用于测定冷冻电子显微镜栅格冰厚的全自动质量控制和图像分类
求解生物大分子三维结构的一种有效方法
MathWorks支持这项研究合作。
首席研究员
伊斯坦布尔技术大学
Kumbasar教授的研究兴趣包括人工智能;计算智能(1型到n型模糊逻辑，浅到深神经网络，局部到全局优化);机器学习，包括有监督、无监督和强化;传统的智能控制系统;从无人机到AGV自主系统。
人工智能的研究项目
基于深度学习的第二类模糊系统的开发与应用
相关的出版物
- 区间2型模糊集与深度嵌入聚类的融合处理不确定性
K. Bölat, T. Kumbasar, 2021 IEEE模糊系统国际会议(Fuzzy -IEEE)， 2021年7月11-14日
应用研究领域
合作
- LMU慕尼黑
- 麻省理工学院
- 斯坦福大学
- 伊斯坦布尔技术大学
- 阿拉巴马大学
- 卢布尔雅那大学
- 马萨诸塞大学阿默斯特分校
- 德克萨斯大学奥斯汀分校
MathWorks卓越创新项目
通过解决具有挑战性的行业问题，为工程和科学的进步做出贡献。
有兴趣与MathWorks合作使用MATLAB和Simulink的研究项目吗?
您也可以从以下列表中选择网站: