耗时缩短十倍以上,大规模AI方法加速原子模拟进程,推动更泛用的策略发展
编辑丨&扩展一直是提高机器学习各个领域的模型性能和泛化的关键因素。 尽管在扩展其他类型的机器学习模型方面取得了成功,但对神经网络原子间电位 (NNIP) 扩展的研究仍然有限。 该领域的主要范式是将许多物理域约束合并到模型中,例如旋转等方差等对称性约束。- 972
- 0
Nature子刊,北大团队通用AI框架对蛋白-蛋白对接进行综合结构预测,弥合实验与计算的差距
编辑 | 萝卜皮蛋白质复合物结构预测在药物研发、抗体设计等应用中发挥着重要作用,然而由于预测精度有限,预测结果与实验结果经常出现不一致。北京大学、昌平实验室以及哈佛大学的研究团队提出了 ColabDock,这是一个通用框架,它采用深度学习结构预测模型来整合不同形式和来源的实验约束,而无需进一步进行大规模的再训练或微调。ColabDock 的表现优于使用 AlphaFold2 作为结构预测模型的 H…- 18
- 0
约束
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!