DeepMind蛋白质设计新工具AlphaProteo,从头设计高亲和力蛋白结合剂,成功率最高88%
编辑 | ScienceAI像 AlphaFold 这样的蛋白质结构预测工具,已经帮助我们深入了解了蛋白质如何相互作用从而发挥其功能,但这些工具无法创建新的蛋白质来直接控制这些相互作用。现在,Google DeepMind 团队推出了一种用于设计「与目标分子结合更紧密」的新型蛋白质的 AI 系统 AlphaProteo。在测试的 7 种靶蛋白上,AlphaProteo 的实验成功率更高,在湿实验室…- 1
- 0
从头设计「超难」癌症抗体,大卫贝克团队AI生物计算方法的新应用
编辑 | 萝卜皮原癌基因 Ras 控制多种细胞内通路,具有四种主要亚型 (KRAS4A、KRAS4B、HRAS 和 NRAS),具有高度的序列同源性和相似的体外生物化学特性。由于它们与不同癌症的关联各不相同,人们对独立研究它们的作用有浓厚的兴趣,但 Ras 异构体特异性结合试剂很少,因为唯一显著的序列差异在于它们无序且高度带电的 C 端,而这些 C 端很难引发机体产生抗体。为了克服这一限制,华盛顿…- 2
- 0
大模型走向物理世界,TeleAI 发布大模型驱动的具身智能综述,覆盖300篇文献
AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年,AI在线AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:[email protected];[email protected]近年来,大模型在人工智能领域掀起了一场革命,各种文本、图像、多模态大…- 1
- 0
打开AI黑匣子,「三段式」AI用于化学研究,优化分子同时产生新化学知识,登Nature
编辑 | KXAI 工具的强大功能,令人难以置信。但如果你试图打开引擎盖并了解它们在做什么,你通常会一无所获。AI 常常被视为「黑匣子」。对于化学来说,AI 可以帮助我们优化分子,但它无法告诉我们为什么这是最佳的——重要的特性、结构和功能是什么?近日,伊利诺伊大学厄巴纳-香槟分校(UIUC)的一个跨学科研究团队打开了黑匣子,研究人员通过将 AI 与自动化学合成和实验验证相结合,找到了 AI 所依赖…- 2
- 0
LeCun转帖,AI精确计算宇宙「设置」,登Nature子刊
编辑 | 白菜叶让「AI 告诉你宇宙中有什么?」Meta 首席人工智能科学家、图灵奖得主 Yann LeCun 在 X 上转发了纽约大学物理系教授 Shirley Ho 的帖子。Ho 在帖子中表示她所在的由 Changhoon Hahn 领导的 SimBIG 团队新发布了一篇论文。他们借助 AI 模拟宇宙,产生了许多新见解。「这是第一次通过光谱望远镜 (Sdssurveys) 很好地模拟了宇宙,以…- 3
- 0
迈向「多面手」医疗大模型,上交大团队发布大规模指令微调数据、开源模型与全面基准测试
编辑 | ScienceAI近日,上海交通大学、上海 AI Lab、中国移动等机构的联合研究团队,在 arXiv 预印平台发布文章《Towards Evaluating and Building Versatile Large Language Models for Medicine》,从数据、测评、模型多个角度全面分析讨论了临床医学大语言模型应用。文中所涉及的所有数据和代码、模型均已开源。Git…- 5
- 0
纳米级精度,病毒感染1h内即可检测到,南方医科大学细胞核AI工具登Nature子刊
编辑 | KX一纳米 (nm) 是一米的十亿分之一,而人类一根头发的宽度约为 100,000 nm。如今,人工智能可以检测到细胞内小至 20 nm 的重排,即比人类头发宽度小 5,000 倍。而这些改变太小太微妙,靠人类仅用传统方法是无法发现的。近日,南方医科大学和西班牙巴塞罗那科学技术研究所的研究团队,开发了一种细胞核人工智能(AINU)工具,可以在纳米级分辨率下识别特定的细胞核特征。它可以区分…- 4
- 0
整合 200 多项相关研究,大模型「终生学习」最新综述来了
AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年,AI在线AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:[email protected];[email protected]该论文作者均来自于华南理工大学马千里教授团队,所在实验室为机器学习与…- 3
- 0
提速1400倍,准确标注酶活性位点,浙大、澳门理工多模态深度学习方法,登Nature子刊
编辑 | 萝卜皮注释酶中的活性位点对于药物发现、疾病研究、酶工程和合成生物学等多个领域的发展至关重要。尽管已经开发出许多自动注释算法,但速度和准确性之间的重大权衡限制了它们的大规模实际应用。浙江大学、澳门理工大学等机构的联合研究团队引入了 EasIFA,一种酶活性位点注释算法,它融合了来自蛋白质语言模型和 3D 结构编码器的潜在酶表示,然后使用多模态交叉注意框架将蛋白质水平信息与酶促反应知识对齐。…- 5
- 0
MIT计算机科学家意外发现,量子纠缠会「突然消亡」
编译 | KX近一个世纪前,物理学家埃尔温·薛定谔 (Erwin Schrödinger) 引起了人们对量子世界一个「奇事」的关注,自那以后,研究人员一直为之着迷和烦恼。当原子等量子粒子相互作用时,它们会摆脱个体身份,转而形成一种比其各部分之和更大、更奇怪的集体状态。这种现象称为纠缠。研究人员对纠缠在仅包含几个粒子的理想系统中是如何工作的,有着坚定的理解。但现实世界要复杂得多。在大量原子中,比如构…- 24
- 0
准确预测蛋白质「运动」?AlphaFold融合物理知识,南京大学团队蛋白构象运动新策略
编辑 | KX蛋白质如何进行构象运动,不仅是一个基本的生物物理问题,而且对于药物设计等实际应用也至关重要。尽管深度学习方法,比如 AlphaFold2 和 RoseTTAFold,可以高通量预测蛋白质的静态结构,但预测构象运动仍然是一个挑战。在此,南京大学、香港浸会大学(Hong Kong Baptist University)、中国科学院大学以及昌平实验室和莱斯大学合作,找到了一种新的方法来预测…- 3
- 0
识别精度高达76.32%,浙大、之江团队用深度学习加速大规模药物发现和再利用
编辑 | 萝卜皮大规模药物研发和再利用具有挑战性。确定作用机制 (MOA) 至关重要,但目前的方法成本高昂且通量低。在这里,浙江大学、之江实验室以及斯坦福大学的研究人员介绍了一种通过分析线粒体表型变化来识别 MOA 的方法。通过对线粒体形态和膜电位进行时间成像,研究人员建立了监测时间分辨线粒体图像的流程,得到了一个数据集,其中包含 570,096 张暴露于 1,068 种美国食品和药物管理局批准药…- 3
- 0
能耗降低93.3%,复旦、港大团队开发受大脑启发的动态神经网络,实现超强2D、3D视觉
编辑 | 萝卜皮大脑运算是动态的、具有联想能力的、高效的。它通过将输入与过去的经验联系起来,将记忆和处理融合在一起,从而进行重新配置。相比之下,人工智能模型是静态的,无法将输入与过去的经验联系起来,并且在具有物理分离的记忆和处理的数字计算机上运行。复旦大学、香港大学、中国科学院等机构组成的联合团队提出了一种软硬件协同设计方案,即使用忆阻器的基于语义记忆的动态神经网络。该网络将传入的数据与存储为语义…- 8
- 0
Yann LeCun不看好强化学习:「我确实更喜欢 MPC」
五十多年前的理论还值得再研究一下? 「相比于强化学习(RL),我确实更喜欢模型预测控制(MPC)。至少从 2016 年起,我就一直在强调这一点。强化学习在学习任何新任务时都需要进行极其大量的尝试。相比之下,模型预测控制是零样本的:如果你有一个良好的世界模型和一个良好的任务目标,模型预测控制就可以在不需要任何特定任务学习的情况下解决新任务。这就是规划的魔力。这并不意味着强化学习是无用的,但它的使用…- 7
- 0
明确了:文本数据中加点代码,训练出的大模型更强、更通用
代码知识原来这么重要。如今说起大语言模型(LLM),写代码能力恐怕是「君子六艺」必不可少的一项。在预训练数据集中包含代码,即使对于并非专门为代码设计的大模型来说,也已是必不可少的事。虽然从业者们普遍认为代码数据在通用 LLM 的性能中起着至关重要的作用,但分析代码对非代码任务的精确影响的工作却非常有限。在最近由 Cohere 等机构提交的一项工作中,研究者系统地研究了代码数据对通用大模型性能的影响…- 4
- 0
蛋白质功能预测新SOTA,上海理工、牛津等基于统计的AI方法,登Nature子刊
编辑 | KX蛋白质与其他分子相结合,促进几乎所有的基础生物活动。因此,了解蛋白质功能对于理解健康、疾病、进化和分子水平上的生物体功能至关重要。然而,超过 2 亿种蛋白质仍未得到表征,计算方法在很大程度上依赖于蛋白质的结构信息来预测不同质量的注释。近日,来自牛津大学、苏黎世联邦理工学院、上海理工大学和北京师范大学组成的研究团队,设计了一种基于统计的图网络方法,称为 PhiGnet,从而促进蛋白质的…- 3
- 0
Nature观点,人工智能在医学中的测试一片混乱,应该怎么做?
编辑 | ScienceAI基于有限的临床数据,数百种医疗算法已被批准。科学家们正在讨论由谁来测试这些工具,以及如何最好地进行测试。当 Devin Singh 还是一名儿科住院医师时,他曾在急诊室照顾过一个因长时间等待救治而心脏骤停的儿童。「我记得,当时我给这个病人做心肺复苏,感觉那个孩子快要死了。」他说。Singh 对孩子的死感到十分伤心,他曾想过,如果能缩短等待时间,是否就能避免这种情况。经历…- 3
- 0
Nature子刊,上智院、复旦、中国气象局研发次季节AI大模型「伏羲」,突破「可预报性沙漠」
编辑 | ScienceAI作者 | 伏羲团队国务院印发的《气象高质量发展纲要(2022—2035 年)》明确提出要「提前一个月预报重大天气过程」,而这离不开 15 天以上的次季节气候预测技术。次季节气候预测关注的是未来 15~60 天的气候异常,可以为农业、水利、能源等领域的生产安排提供重要支撑。相比时效在两周以内的中短期天气预报,次季节气候预测的不确定性更大。它不仅需要考虑初值问题,还要考虑边…- 3
- 0
预测蛋白质-DNA结合特异性,南加州大学团队开发几何深度学习新方法
编辑 | 萝卜皮预测蛋白质-DNA 结合特异性是一项具有挑战性但又至关重要的任务,有助于理解基因调控。蛋白质-DNA 复合物通常与选定的 DNA 靶位结合,而蛋白质则以不同程度的结合特异性与广泛的 DNA 序列结合。这些信息无法在单一结构中直接获取。为了获取这些信息,南加州大学(University of Southern California)和华盛顿大学(University of Washi…- 2
- 0
从头设计抗体,腾讯、北大团队预训练大语言模型登Nature子刊
编辑 | KXAI 技术在辅助抗体设计方面取得了巨大进步。然而,抗体设计仍然严重依赖于从血清中分离抗原特异性抗体,这是一个资源密集且耗时的过程。为了解决这个问题,腾讯 AI Lab、北京大学深圳研究生院和西京消化病医院研究团队提出了一种预训练抗体生成大语言模型 (PALM-H3),用于从头生成具有所需抗原结合特异性的人工抗体 CDRH3,减少对天然抗体的依赖。此外,还设计了一个高精度的抗原-抗体结…- 6
- 0
百万级原子模拟,从头算精度,北京科学智能研究院提出AI+大尺度电子结构模拟新方法
编辑 | KX在计算材料科学领域,准确高效地模拟材料的电子结构一直是一个非常关键而又极具挑战性的问题。基于密度泛函理论的第一性原理计算方法的高计算需求依然是大尺寸长时间材料模拟所面临的难题。北京科学智能研究院 (AI for Science Institute, Beijing) 提出了一种基于深度学习的高效紧束缚方法,称为 DeePTB,从而高效地表示具有从头算精度的材料电子结构,极大地简化了计…- 7
- 0
比原始分辨率高36倍,北航、清华团队用AI在多空间组学平台上高分辨率表征组织,登Nature子刊
编辑 | 萝卜皮空间组学的最新进展已将分子类别分析的范围扩展到转录组学之外。然而,许多此类技术都受到空间分辨率的限制,阻碍了科学家深入表征复杂组织结构的能力。现有的计算方法主要侧重于转录组学数据的分辨率增强,缺乏针对各种组学类型的新兴空间组学技术的适应性。在这里,北京航空航天大学和清华大学的研究人员提出了 soScope,这是一个统一的生成框架,旨在提高从各种空间组学技术获得的分子谱的数据质量和空…- 3
- 0
首个全自动科学发现AI系统,Transformer作者创业公司Sakana AI推出AI Scientist
编辑 | ScienceAI一年前,谷歌最后一位 Transformer 论文作者 Llion Jones 离职创业,与前谷歌研究人员 David Ha共同创立人工智能公司 Sakana AI。Sakana AI 声称将创建一种基于自然启发智能的新型基础模型!现在,Sakana AI 交上了自己的答卷。Sakana AI 宣布推出 AI Scientist,这是世界上第一个用于自动化科学研究和开放…- 5
- 0
类脑计算有望彻底改变计算领域,甚至超越人脑,丰田合作综述类脑计算的兴起
编辑 | KX最近,微软系统故障导致全球大范围宕机。计算已经成为我们生活中不可或缺的一部分。然而,尽管计算机硬件和软件不断改进,但人类大脑仍然是我们所知的最复杂、最强大的计算机。人类大脑通过数十亿个神经元与数万亿个突触相互作用来共享其计算能力,因此,它不仅可以与最强大的超级计算机相媲美,而且由于其消耗的能量比冰箱中的灯亮所需能量还少,因此,人类大脑在效率方面毫无疑问胜过计算机。类脑计算是一个不断发…- 5
- 0
理论
❯
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!