用MATLAB和Simulink进行人工智能研究
世界各地的研究人员在MATLAB和Simulink的帮助下与MathWorks合作,使用人工智能进行应用研究。探索特色研究人员,项目主题和相关出版物。
世界各地的研究人员在MATLAB和Simulink的帮助下与MathWorks合作,使用人工智能进行应用研究。探索特色研究人员,项目主题和相关出版物。
首席研究员
机器学习是格莱泽博士研究的主要内容。他开发了方法和算法,然后将其应用于粒子物理挑战,例如粒子识别,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(LHC)、高亮度大型强子对撞机(High-Luminosity LHC)和鲁宾天文台(Rubin Observatory)的数据,以及复杂的机器学习算法,对可能存在的新物理(如暗物质)做出定量陈述。
MathWorks正在支持这项研究合作。
S. Gleyzer, P. Seyfert和S. Schramm,计算物理学, 2019年5月19日(论文预印本)
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
Kovscek博士对非常规地质构造(如页岩)的化学和物理很感兴趣,因为它们在能源过程向净零碳排放过渡中的重要性。除了是一种重要的能源资源外,非常规地层还可以作为常规地下地层的地质密封,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。非常规地层在地下普遍存在,但由于其纳米孔结构和极端的非均质性,我们的工程科学知识很少。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到储层的长度尺度变化的流动物理。组织主题是流动成像,以描述多孔介质(水和气体)中的输送机制,以及从实验,理论和现场数据中综合模型。
建立页岩电子显微镜图像预测的图像超分辨率管道
MathWorks正在支持这项研究合作。
K.M. Guan, T.I. Anderson, P. Creux, A.R. Kovsceka,计算机与地球科学,第156卷,2021年11月
T.I.安德森,B. Vega, J. McKinzie, sa . Aryana, A.R.科夫斯切克,Nature:科学报告2021年10月21日
首席研究员
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,人工智能已经成为推理和分类的强大工具。然而,对于物理科学等领域,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。利用物理知识机器学习的概念,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,并将数据和模拟应用的重点重新放在了海洋健康和生物多样性上。
MathWorks正在支持这项研究合作。
Samuel J. Raymond, David J. Collins, Richard O 'Rorke, Mahnoush Tayebi, Ye Ai和John Williams,Nature:科学报告2020年5月26日
Samuel Raymond, Nicholas J. Cecchi, Hossein Vahid Alizadeh, Ashlyn A. Callan, Eli Rice,刘宇哲,周舟,Michael Zeineh, David B. Camarillo,生物医学工程年鉴, 2022年2月(DOI:10.1007 / s10439 - 022 - 02911 - 6)
首席研究员
在马萨诸塞大学ICEnet(内燃机网络)联盟,我们开发了预测机器学习算法,利用计算机模型改善发动机设计周期,使制造商能够优化设计并制造节油发动机。该合作企业利用人工智能的颠覆性技术,将其应用于发动机研发范例。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加快燃烧计算。
ICEnet利用人工智能的颠覆性技术,将其应用于发动机研发范例。
MathWorks正在支持这项研究合作。
G.波特伍德,P.米特拉,M.里贝罗,D.施密特,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
区域供热系统的短期热需求预测是保证区域供热系统充足供热和优化运行的关键。在本研究中,考虑了一种基于机器学习的多步骤短期热需求预测方法,该方法使用了斯洛文尼亚最大的DH系统的数据。提出的方法包括特征提取和基于机器学习的代表性预测模型的比较分析。非线性模型的预测效果优于线性模型,其中高斯过程回归的预测效果最好。该模型被选中用于实现卢布尔雅那DH的在线预测解决方案,自2019年11月以来,该模型已经生成了平均绝对归一化误差为2.70%的预测。
P. poto
首席研究员
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脑机接口,以及对神经源性运动语言障碍和语音交流的神经机制进行基础科学研究。在这些项目中大量使用了先进的计算技术(如机器学习)。
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。
D. Dash, P. Ferrari和J. Wang,神经科学前沿生态学报,14(29),1-15,2020
首席研究员
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。我们的方法通常是跨学科的,范围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如何在结构和机制水平上起作用。一个特别的焦点是蛋白质和大分子复合物的高分辨率结构分析与低温电子显微镜,但也有x射线晶体学和其他最先进的技术。
全自动质量控制和图像分类确定冰的厚度为冷冻电子显微镜网格
求解生物大分子三维结构的一种有效方法
MathWorks正在支持这项研究合作。
首席研究员
Kumbasar教授的研究兴趣包括人工智能;计算智能(从1型到n型模糊逻辑,从浅到深的神经网络,从局部到全局优化);机器学习,包括监督学习、无监督学习和强化学习;常规到智能控制系统;从无人机到AGV自主系统。
基于深度学习的2型模糊系统的开发与部署
K. Bölat, T. Kumbasar, 2021年IEEE模糊系统国际会议(FUZZ-IEEE), 2021年7月11-14日