Amir Barati Farimani

Roboter können neue Techniken nutzen, um Aufgaben effizient von einer einzigen menschlichen Demonstration zu lernen.

Neue Methoden verbessern die Vorhersage der Adsorptionsenergie für Katalysatoren mithilfe von maschinellem Lernen.

GradNav hilft Wissenschaftlern, das molekulare Verhalten effizienter zu untersuchen.

Diese Forschung konzentriert sich darauf, Porosität in der additiven Fertigung mit Wärmebildern und KI zu erkennen.

Dieser Artikel behandelt die Rolle von maschinellem Lernen bei der Verbesserung von additiven Fertigungsprozessen.

Grosse Sprachmodelle mit Daten kombinieren, um wissenschaftliche Gleichungen effektiv zu entdecken.

CaFA bringt Effizienz und Genauigkeit in globale Wettervorhersagen mit maschinellem Lernen.

Forschung untersucht das Spritzverhalten, um die Qualität der additiven Fertigung zu verbessern.

AMGPT bietet präzise Unterstützung für Forscher im Bereich der Metall-3D-Druck.

Multi-Peptide kombiniert Datenmodelle, um die Vorhersagen zum Verhalten von Peptiden zu verbessern.

Forscher verbessern neuronale PDE-Modelle, indem sie vortrainierte, niederdimensionale Gleichungen nutzen, um die Leistung zu steigern.

Neues Framework nutzt KI, um die Fehlererkennung beim 3D-Drucken zu verbessern.

Eine Studie zeigt, dass die Vorhersagen durch Ensemble-Methoden mit Diffusionsmodellen genauer werden.

Ein neuer Ansatz verbessert die Tragflächenentwürfe durch maschinelles Lernen und datengestützte Methoden.

AbGPT hilft dabei, effektive Antikörpersequenzen mit fortschrittlichen Machine-Learning-Techniken zu erstellen.

PLATO ermöglicht es Robotern, natürliche Sprache zu verstehen, um Aufgaben besser auszuführen.

Eine neue Methode verbessert das Monitoring von Metallteilen während des LPBF mit Deep Learning zur Bildverbesserung.

BAPULM vereinfacht die Vorhersage von Arzneimittelwechselwirkungen und beschleunigt die Medikamentenentwicklung.

Neurale Surrogate verbessern die Simulationsgenauigkeit, indem sie Veränderungen über die Zeit vorhersagen.