Meta FAIR发布四项最新研究成果，涉及分子属性预测、语言处理与神经科学！ 朝着高级机器智能发展，Meta FAIR在昨天又公布了自己的一揽子研究成果，包括多个模型、基准测试与数据集。 一起来看看具体都是啥—— Open Molecules 2025 (OMol25)数据集 这是一个专门用于量子化学计算的高精度数据库，包含生物分子、金属配合物和电解质。目前它是同类数据中规模最大、种类最全的，能帮助科学家在原子级别进行精准设计。 元原子通用模型（UMA） 一种机器学习原子间势能模型，可用于模拟多种材料和分子中的原子相互作用。它学习了300亿个原子的数据，整合了Meta五年来发布的各种材料数据集。 伴随采样（Adjoint Sampling） 一种基于标量奖励的可扩展生成模型训练算法。它不靠模仿现有数据，而是通过“奖励机制”不断优化自己生成的内容。为加速计算化学领域的进展，FAIR公开了算法及配套的大规模基准测试。 大规模神经记录研究 Meta FAIR与罗斯柴尔德基金会医院合作开展了一项大规模研究，揭示了人类语言发展与大语言模型之间的惊人相似之处。 团队发现：2岁宝宝的大脑就能处理各种简单语音，随着年龄增长，逐渐掌握复杂语言能力。有趣的是，wav2vec和Llama等AI模型的学习过程竟然和人类语言发展一模一样！ 点击阅读原文，获取模型、数据集、白皮书：-fair-science-new-open-source-releases/?utm_source=twitter&utm_medium=organic+social&utm_content=video&utm_campaign=fair
