Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Leveraging Large Language Models and Neural Operator Learning for Spatiotemporal Biomedical Discovery
Proyek riset & pengembangan

CAREER: Leveraging Large Language Models and Neural Operator Learning for Spatiotemporal Biomedical Discovery

Ringkasan tujuan riset

Model bahasa dan pembelajaran operator neural dipadukan untuk data biomedis ruang-waktu dengan memori, interaksi nonlokal, dan beragam modalitas.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2443528Periode tercatat 2025-06-15 sampai 2030-05-31.NSF 2443528MulaiAkhir tercatat202520312025-06-152030-05-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Operator neural diperluas bagi sistem dinamis kontinu yang diatur persamaan integral atau diferensial parsial. MRI, elektrokardiogram, dan metadata klinis direpresentasikan dalam format tekstual agar dapat digunakan bersama model bahasa. Kerangka genomik juga mengubah data menjadi representasi berkonteks untuk sel tunggal serta interaksi multisel, dengan interpretabilitas mekanistik dan kemampuan prediksi sebagai sasaran evaluasi.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Yale University
Program
Info Integration & Informatics
Periode pendanaan tercatat
2025-06-15 → 2030-05-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.