2026年CAD制图智能识别：技术演进与系统构建？

在2026年，CAD制图智能识别技术已经从早期的“基于固定规则的模板匹配与图层过滤”全面演变为“多模态大视觉模型（VLM）与三维几何深度学习（Geometric Deep Learning）深度融合”的全新时代。

政企解决方案

WWW时间检验奖颁给唐建博士：GNN的十年远征与AI制药的底层逻辑

7 月 1 日，在迪拜举办的 The Web Conference 2026上，一篇发表于 2015 年的论文《LINE: Large-scale Information Network Embedding》被授予 Seoul Test of Time Award。

机器之心Pro

几何深度学习从古希腊到AlphaFold，图神经网络起源于物理与化学

2016年，牛津大学教授、Twitter的图机器学习研究负责人Michael Bronstein发布了一篇论文，首次引入几何深度学习一词，试图从对称性和不变性的视角出发，从几何上统一CNNs、GNNs、LSTMs、Transformers等典型架构的方法。

新智元

​Science封面重磅：新型AI算法准确预测RNA三维结构

近日，美国斯坦福大学在读博士生 Stephan Eismann 和 Raphael Townshend 在计算机副教授 Ron Dror 的指导下，利用目前先进的神经网络技术，成功开发出了一种全新 RNA 三维结构预测模型——ARES。

造就

DeepMind最新研究登Nature，揭示AI时代科研新范式

编辑：桃子 润【新智元导读】AI技术加持之下，科学研究的效率被大大加强，呈现出了全新的机会和发展空间，但也要面对新的挑战和困难。AI与各个科学领域结合后，正在发生着一场充满潜力和挑战的科技革命。通过探索理论、设计实验、分析数据，人工智能将为我们所熟知的科学发现提供超级动力。

新智元

深度学习的几何基础

J. Masci et al.， Geodesic convolutional neural networks on Riemannian manifolds ， arXiv:1501.06297 was the first convolutional-like neural network architecture with filters applied in local coordinate charts on meshes. It is a particular case of T. Cohen et al.， Gauge Equivariant Convolutional Networks and the Icosahedral CNN ， arXiv:1902.04615.

deephub

如何利用物理思想帮助机器“升维学习”？

只要你认真阅读下面的这篇文章，思考文末提出的问题，严格按照互动：你的答案 格式在评论区留言，就有机会获得奖品！

中科院物理所