原子结构
SOTA性能,多尺度学习,中山大学提出蛋白质-药物相互作用AI框架
编辑 | 紫罗蛋白质、药物和其他生物分子之间的相互作用,在各种生物过程中发挥着至关重要的作用。了解这些相互作用对于破译生物学过程背后的分子机制和开发新的治疗策略至关重要。当前的多尺度计算方法,常常过于依赖于单一尺度,而对其他尺度的拟合不足,这可能与多尺度学习的不平多尺度衡性和固有的贪婪性有关。为了缓解优化不平衡,中山大学和上海交通大学的研究人员提出了一种基于变量期望最大化的多尺度表示学习框架 MUSE,它可以有效地整合多尺度信息进行学习。该策略通过相互监督和迭代优化,有效融合原子结构和分子网络尺度之间的多尺度信息。
5/31/2024 11:54:00 AM
ScienceAI
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
大模型
机器人
数据
Midjourney
开源
AI新词
Meta
微软
智能
用户
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
LLM
论文
代码
算法
AI for Science
Agent
苹果
Claude
芯片
腾讯
Stable Diffusion
蛋白质
开发者
xAI
生成式
神经网络
机器学习
3D
RAG
AI视频
人形机器人
具身智能
研究
大语言模型
百度
生成
GPU
Sora
工具
华为
计算
字节跳动
AI设计
大型语言模型
AGI
搜索
视频生成
场景
深度学习
生成式AI
DeepMind
架构
AI模型
亚马逊
特斯拉
Transformer
编程
视觉
预测
MCP