英特尔研究院将在NeurIPS大会上展示业界领先的AI研究成果

英特尔研究院将在NeurIPS2023大会上展示一系列富有价值、业界领先的AI创新成果。面向广大开发者、研究人员和学界人士，这一AI和计算机视觉领域的全球顶会将于12月10日至16日在美国新奥尔良市举办。

在NeurIPS2023上，英特尔研究院将展示其最新AI研究成果，并和由创新者和思想领袖组成的多元化社区分享英特尔“让AI无处不在”的愿景。大会期间，英特尔研究院将发表31篇论文，包括12篇主会场论文和19篇研讨会论文，并在405号展台进行技术演示。这些研究的重点是针对AI在科学领域的应用研发的新模型、方法和工具，以及用于气候建模、药物发现和材料科学等AI用例的图学习、多模态生成式AI，及AI算法和优化技术。

此外，英特尔研究院还将于12月15日举办"AI加速材料发现（AI4Mat）研讨会"，为AI研究人员和材料科学家提供平台，共同探讨如何应对AI驱动的材料发现、开发方面的挑战。

1.AI驱动的科学研究（AIforScience）

•大脑编码模型：与得克萨斯大学奥斯汀分校研究人员联合开发的模型，有助于预测大脑反应和了解大脑多模态处理能力。

•ClimateSet：与魁北克人工智能研究所（Mila）联合开发的大规模气候模型数据集，用于快速预测新的气候变化情景（climatechangescenarios）的机器学习研究，并为机器学习领域革新性的气候应用奠定基础。

•HoneyBee：与魁北克人工智能研究所联合开发的先进大语言模型，帮助研究人员更快地理解材料科学。

2.多模态生成式AI

•COCO-Counterfactuals：一项生成合成反事实（counterfactual）数据的多模态技术，可减少预训练多模态模型中不正确的统计偏差，帮助提高AI模型执行图文检索和图像识别等下游任务的性能。

•LDM3D-VR：用于3D虚拟现实的潜在扩散模型（latentdiffusionmodel），可简化AI应用中的3D视频生成功能。

•CorresNeRF：利用神经辐射场（neuralradiancefields）从2D图像重建场景3D表示的图像渲染方法。

3.提升AI性能

•Diffpack：一种用于蛋白质建模的生成式AI方法，有助于确保生成的3D结构能够反映蛋白质的真实结构特性。

•InstaTune：一种在微调阶段生成超网络（super-network）的方法，可减少网络附加存储（NAS）所需的总时长和计算资源。

4.图学习

•A*Net：业界领先的基于路径的知识图谱推理方法，数据集达百万级，可使数据集的扩展能力超越计算范围的限制，并提升大语言模型的准确性。

•ULTRA：业界领先的知识图谱推理基础模型，以及学习通用和可迁移图谱表示及其关系的新方法。

•Perfograph：一种新的基于编译器图的程序表示，可捕捉数值信息和复合数据结构，提高机器学习方法推理编程语言的能力。