其他行业 · AI应用
AI for Science：加速健康、能源、地球、量子与材料领域的科学发现
微软研究院（Microsoft Research）及其合作者应用生成式、多模态和智能体AI以及量子-AI方法，加速医疗健康、材料科学、地球系统、量子计算和能源等领域的科学发现。使用的工具包括Microsoft Discovery、Aurora、MAI-DxO、BioEmu-1、MatterGen以及用于密度泛函理论（DFT）的AI模型。这些工具用于分析大型非结构化数据集、模拟物理和化学过程以及自动化研究任务。应用场景包括疾病诊断、在数天内识别数据中心冷却剂原型、解码蛋白质结构、为材料科学建模电子行为，以及筛选数百万种候选电池材料。
• 开发了一个包含4,555张胸部X光片的数据集，其发现用西班牙语和英语进行了标注。
未披露
• 在仅一周多的时间内识别出一种新的数据中心冷却剂原型。
未披露
• 用于密度泛函理论的AI模型能够快速准确地模拟电子行为，服务于材料科学。
未披露
01
业务背景
微软研究院（Microsoft Research）及其合作者应用生成式、多模态和智能体AI以及量子-AI方法，加速医疗健康、材料科学、地球系统、量子计算和能源等领域的科学发现。使用的工具包括Microsoft Discovery、Aurora、MAI-DxO、BioEmu-1、MatterGen以及用于密度泛函理论（DFT）的AI模型。这些工具用于分析大型非结构化数据集、模拟物理和化学过程以及自动化研究任务。应用场景包括疾病诊断、在数天内识别数据中心冷却剂原型、解码蛋白质结构、为材料科学建模电子行为，以及筛选数百万种候选电池材料。
02
遇到的问题
03
AI 解决方案
04
实施结果
• 开发了一个包含4,555张胸部X光片的数据集，其发现用西班牙语和英语进行了标注。：
• 在仅一周多的时间内识别出一种新的数据中心冷却剂原型。：
• 用于密度泛函理论的AI模型能够快速准确地模拟电子行为，服务于材料科学。：
• MAI-DxO提高了处理复杂医疗病例的准确性并降低了成本。：
• 筛选了超过3200万种候选材料，发现了一种可将电池中锂的使用量减少高达70%的材料。：
• Aurora增强了对大气、陆地和海洋相互作用的建模，以改进事件预测。：
05
风险与边界
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。