英特尔研究院将重点展示31项研究成果，这些成果将推动面向未来的人工智能创新。
英特尔研究院将在NeurIPS 2023上展示一系列有价值的行业领先的人工智能创新。对于开发者、研究人员和学者来说，这场AI和计算机视觉领域的全球峰会将于12月10日至16日在美国新奥尔良举行。
在NeurIPS 2023上，英特尔研究院将展示其最新的人工智能研究成果，并与多元化的创新者和思想领袖社区分享英特尔“让人工智能无处不在”的愿景。大会期间，英特尔研究院将发表31篇论文，包括12篇主会场论文和19篇研讨会论文，并在405号展位进行技术演示。这些研究专注于为人工智能在科学领域的应用而开发的新模型、方法和工具，以及图形学习、多模态生成式人工智能和人工智能算法以及人工智能用例的优化技术，如气候建模、药物发现和材料科学。
此外，英特尔研究院将举办“AI加速材料发现(AI4Mat)研讨会”，为AI研究人员和材料科学家提供一个平台，讨论如何应对AI驱动的材料发现和开发的挑战。
1.人工智能驱动的科学研究(人工智能促进科学)
大脑编码模型:与德克萨斯大学奥斯汀分校的研究人员共同开发的模型有助于预测大脑反应，了解大脑的多模态处理能力。
ClimateSet:与魁北克人工智能研究所(Mila)联合开发的大规模气候模型数据集，用于机器学习研究，以快速预测新的气候变化情景，并为机器学习领域的创新气候应用奠定基础。
蜜蜂:与魁北克人工智能研究所联合开发的高级大型语言模型，有助于研究人员更快地理解材料科学。
2.多式生成式人工智能
COCO-Counterfactuals:一种用于生成合成反事实数据的多模态技术，可以减少预训练多模态模型中不正确的统计偏差，有助于提高AI模型在执行图形检索和图像识别等下游任务时的性能。
LDM3D-VR:3D虚拟现实的潜在扩散模型，可以简化AI应用中的3D视频生成功能。
CorresNeRF:一种图像渲染方法，通过使用神经辐射场从2D图像中重建场景的3D表示。
3.提高人工智能性能
Diffpack:一种用于蛋白质建模的生成式人工智能方法，有助于确保生成的3D结构能够反映蛋白质的真实结构特征。
InstaTune:一种在微调阶段生成超级网络的方法，可以减少网络附加存储(NAS)所需的总时间和计算资源。
4.图形学习
A * net:业界领先的基于路径的知识图谱推理方法，百万级数据集，可使数据集的扩展能力超越计算范围的限制，提高大语言模型的准确性。
ULTRA:行业领先的知识地图推理基本模型，以及学习通用地图和可移植地图之间的表示和关系的新方法。
Perfograph:基于编译器图的新程序表示，可以捕获数值信息和复合数据结构，提高机器学习方法推理编程语言的能力。