Lila Sciences 首篇 NeurIPS 论文:多模态 any-to-any 流匹配用于科学
CatAstro_Piyush · x · 2026-11-21
Lila Sciences 将在悉尼 NeurIPS 上展示其首篇论文 MOSAIC:一个面向分子与光谱的多模态流匹配 Transformer。
核心思路是,科学实验数据昂贵稀缺,但每次实验往往产生同一实体的多种耦合测量(分子 3D 结构与 UV、IR、Raman 光谱等)。通过随机掩码,让任意模态既可作条件输入也可作预测目标,单次实验即可派生多个有监督去噪任务。
结果:在 QM9S 上实现 88.8% 分子图恢复率,结构生成比最强光谱到结构基线高出 23.2%,同时光谱生成也优于专用模型;消融显示 any-to-any 目标在各规模下均优于仅结构训练。
「研究」频道最新
- 可解释性团队实测 Thinking Machines 环状模型:环路仍有可解释结构 — jonlachman · 2026-11-21
- 传 Anthropic 拿出 ring-LWE 攻击,业界称或比 GRH 更重要 — gautamcgoel · 2026-11-21
- FrontierRSI 基准实测:顶级模型提升 AI 的得分仅约 34% — Madisonkanna · 2026-11-21
- alphaXiv 发布首个自动研究开源基准,8 模型耗 7400 美元跑分 — togethercompute · 2026-11-21
- Hyperstition 提出强化学习新 scaling law:judge-time scaling — eliebakouch · 2026-11-21
- AI 审稿流水线复核广义黎曼猜想证明:发现根本性缺陷 — soumitrashukla9 · 2026-11-21