深度学习

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 Washington）的研究人员提出了深度结合特异性预测器（DeepPBS），这是一种几何深度学习模型，旨在根据蛋白质-DNA 结

8/19/2024 10:34:00 AM

ScienceAI

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，极大地简化了计算复杂度，并实现百万级大尺寸结构的电子、光电响应性质的计算模拟。当与分子动力学相结合时，DeePTB 可以同时促进原子和

8/15/2024 4:09:00 PM

ScienceAI

八问八答搞懂Transformer内部运作原理

七年前，论文《Attention is all you need》提出了 transformer 架构，颠覆了整个深度学习领域。如今，各家大模型都以 transformer 架构为基础，但 transformer 内部运作原理，仍是一个未解之谜。去年，transformer 论文作者之一 Llion Jones 宣布创立人工智能公司 Sakana AI。近期，Sakana AI 发表了一篇题为《Transformer Layers as Painters》的论文，探究了预训练 transformer 中的信息流，并

8/7/2024 2:23:00 PM

机器之心

Nature子刊，快10倍，基于Transformer的逆向蛋白质序列设计方法

编辑 | 萝卜皮借助深度学习的进步，蛋白质设计和工程正以前所未有的速度发展。然而，目前的模型无法在设计过程中自然地考虑非蛋白质实体。在这里，瑞士洛桑联邦理工学院（EPFL）的研究人员提出了一种完全基于原子坐标和元素名称的几何 transformer 的深度学习方法，该方法可以根据不同分子环境所施加限制的主链支架，预测蛋白质序列。使用该方法，研究人员可以以高成功率生产出高热稳定性、催化活性的酶。这有望提高蛋白质设计流程的多功能性，以实现所需的功能。该研究以「Context-aware geometric deep l

8/5/2024 3:37:00 PM

ScienceAI

生成394,760种蛋白质表征，哈佛团队开发AI模型，全面理解蛋白质上下文

编辑 | 萝卜皮了解蛋白质功能和开发分子疗法，需要破译蛋白质发挥作用的细胞类型，解析蛋白质之间的相互作用。然而，对跨生物背景蛋白质相互作用进行建模对于现有算法来说仍然具有挑战性。在最新的研究中，哈佛医学院的研究人员开发了 PINNACLE，这是一种生成情境感知蛋白质表征的几何深度学习方法。PINNACLE 利用多器官单细胞图谱，在情境化蛋白质相互作用网络上进行学习，从 24 种组织的 156 种细胞类型情境中生成 394,760 种蛋白质表征。该研究以「Contextual AI models for single

7/26/2024 3:12:00 PM

ScienceAI

爆火免费书《深入理解深度学习》终于出中文版了

这可能是当今最全面、最新的深度学习概述之一。爆火的深度学习领域，最近又有了热门学习资料。近日，麻省理工出版社的新书《Understanding Deep Learning》（深入理解深度学习）迎来了中文版。这本书一共分为 21 个章节，涵盖了深度学习领域的许多关键概念，包括基本构建、Transformer 架构、图神经网络 GNN、强化学习 RL、扩散模型等等。对于不论是初学者，还是已有工作经验的开发者来说都有极高的价值。GitHub 链接：：，该书的英文电子版下载量已达到 34.4 万。该书的实体版本在去年 12

7/22/2024 2:50:00 PM

机器之心

效率高，无需标签，谷歌团队用AI挖掘临床数据，改善基因发现和疾病预测，登Nature子刊

编辑 | ScienceAI现代医疗保健系统会产生大量高维临床数据 (HDCD)，例如肺功能图、光体积变化描记图法 (PPG)、心电图 (ECG) 记录、CT 扫描和 MRI 成像，这些数据无法用单个二进制或连续数字来概括。了解我们的基因组与 HDCD 之间的联系不仅可以提高我们对疾病的了解，而且对于疾病治疗的发展也至关重要。近日，Google Research 的基因组学团队在利用 HDCD 表征疾病和生物学特征方面取得了进展。研究团队提出了一种无监督深度学习模型，即低维嵌入基因发现的表示学习 (REGLE)，用

7/19/2024 4:11:00 PM

ScienceAI

AlphaFold 3 向解码分子行为和生物计算迈出重要一步，Nature 子刊锐评

编辑 | KX如果我们完全了解分子之间是如何相互作用的，那么生物学就没什么可学的了，因为每一种生物现象，包括我们如何感知世界，最终都源于细胞内生物分子的行为和相互作用。最近推出的 AlphaFold 3 可以直接从蛋白质、核酸及其配体的序列中预测生物分子复合物的 3D 结构。这标志着我们在长期探索生物分子如何相互作用方面取得了重大进展。AlphaFold 3 代表了直接从复合物序列预测其三维结构的突破，为生物分子相互作用提供了见解。生物分子（如蛋白质或核酸）的一维 (1D) 序列以类似于一段代码指定程序的方式指定细

7/10/2024 2:55:00 PM

ScienceAI

微软发布首个大气AI基础模型Aurora

编辑 | ScienceAI2023 年 11 月，风暴「夏兰」（Ciarán）袭击欧洲西北部，造成严重破坏。与风暴 Ciarán 相关的低压系统为英格兰创下了新纪录，这是一次极为罕见的气象事件。那场风暴的强度让许多人措手不及，暴露了当前天气预报模型的局限性，并突显出面对气候变化需要更准确的预测。当大家努力应对后果时，一个紧迫的问题出现了：我们如何才能更好地预测和准备应对这种极端天气事件？最近的一项研究表明，即使是最先进的 AI 天气预测模型在捕捉风暴 Ciarán 的快速增强和峰值风速方面也面临的挑战。为了帮助应

6/4/2024 3:30:00 PM

ScienceAI

超衍射极限1.5倍，成像条件低10倍，清华、中国科学院用AI方法提高显微镜分辨率

图示：通过 ZS-DeconvNet 对快速光敏生物过程进行长期 SR 成像。（来源：论文）编辑 | 萝卜皮计算超分辨率方法，包括传统的分析算法和深度学习模型，极大地改进了光学显微镜。其中，有监督深度神经网络表现出了出色的性能，但由于活细胞的高动态性，需要大量的高质量训练数据，而获取这些数据非常费力甚至不切实际。在最新的研究中，清华大学和中国科学院的研究人员开发了零样本反卷积网络（Zero-shot deconvolution networks，ZS-DeconvNet），可立即将显微镜图像的分辨率提高超过衍射极限

5/30/2024 5:12:00 PM

ScienceAI

效果超AlphaFold系列，量子计算方法用于蛋白质结构预测

编辑 | 白菜叶虽然 AlphaFold 等深度学习方法在计算机蛋白质结构预测领域取得了不错的成绩，但该领域的研究仍然是生物医学研究中一个具有挑战性的问题。随着量子计算的快速发展，人们自然会问：量子计算机是否能为解决这一问题提供一些帮助。然而，确定适合量子优势的特定问题实例，以及评估所需的量子资源同样具有挑战性。在这里，克利夫兰诊所（Cleveland Clinic）和 IBM Quantum 的研究人员分享了他们的观点，即如何创建一个框架来系统地选择适合量子优势的蛋白质结构预测问题，并在实用级量子计算机上估计此类

5/30/2024 5:11:00 PM

ScienceAI

预测配体-靶标对的结合亲和力，哈工大开发新SOTA药物表示模型

编辑 | 白菜叶了解配体-靶标对的分子间相互作用是指导优化癌症药物研究的关键，这可以大大减轻湿实验室的负担。当前计算方法存在一些缺陷，限制了它们的实际应用。在这里，哈尔滨工业大学的研究人员在此提出了 DrugMGR，这是一种深度多粒度药物表示模型，能够预测每个配体-靶标对的结合亲和力和区域。通过对配体复杂的自然机制和蛋白质高级特征的多粒度表示学习，DrugMGR 几乎在所有数据集上都显著优于当前最先进的方法。并且，这是第一个同时使用图、卷积和基于注意力的信息分析蛋白质-配体复合物的模型。该研究以「DrugMGR:

5/11/2024 11:52:00 AM

ScienceAI

AlphaFold 3 重磅问世，全面预测蛋白质与所有生命分子相互作用及结构，准确性远超以往水平

编辑 | 萝卜皮自 2021 年发布强大的人工智能 (AI) 工具 AlphaFold2 以来，科学家们一直在使用蛋白质结构预测模型来绘制细胞内各种蛋白质结构的图谱、发现药物，并绘制每种已知蛋白质相互作用的「宇宙图」。就在刚刚，Google DeepMind 发布了 AlphaFold3 模型，该模型能够对包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物进行联合结构预测。AlphaFold3 的准确性对比过去许多专用工具（蛋白质-配体相互作用、蛋白质-核酸相互作用、抗体-抗原预测）有显著提高。这表明，在单个统一

5/9/2024 10:04:00 AM

ScienceAI

深度学习与化学语言模型结合，用于药物从头设计，登Nature子刊

编辑 | X从头药物设计旨在从零开始生成具有特定化学和药理学特性的分子。近日，苏黎世联邦理工学院的化学家开发了一种新的计算机程序，可以根据蛋白质的三维表面快速、轻松地生成活性药物成分。研究人员提出了一种利用基于相互作用组（interactome）的深度学习的计算方法，用于基于配体和结构的类药物分子生成。「这是药物发现的真正突破。」苏黎世联邦理工学院化学与应用生物科学系教授 Gisbert Schneider 说。这种方法利用了图神经网络和化学语言模型的独特优势，为特定应用的强化、迁移或少样本学习的需求提供了替代方

5/7/2024 10:11:00 AM

ScienceAI

保真度高达~98%，广工大「AI+光学」研究登Nature子刊，深度学习赋能非正交光复用

编辑 | X通道之间的正交性在光复用中扮演着关键的角色。它确保了不同通道之间的信号不会相互干扰，从而实现了高效的数据传输。因此，光复用系统可以同时传输多个通道的数据，提高了光纤的利用率。然而，它不可避免地施加了复用容量的上限。在此，广东工业大学通感融合光子技术教育部重点实验室开发一种基于深度神经网络的多模光纤（MMF）上的非正交光复用，称为散斑光场检索网络（Speckle light field retrieval network，SLRnet），它可以学习包含信息编码的多个非正交输入光场与其对应的单强度输出之间的

3/19/2024 3:16:00 PM

ScienceAI

可发现药物靶点，哈佛等机构开发了一种对蛋白建模的深度学习方法

编辑 | 萝卜皮翻译延伸对于维持细胞蛋白质稳态至关重要，并且翻译景观的改变与一系列疾病相关。核糖体分析可以在基因组规模上详细测量翻译。然而，目前尚不清楚如何从这些数据中的技术产物中分离出生物变异，并识别翻译失调的序列决定因素。在最新的研究中，中国科学院、哈佛大学（Harvard University）、斯坦福大学（Stanford University）、约翰霍普金斯大学（Johns Hopkins University）的研究团队开发了 Riboformer，一个基于深度学习的框架，用于对翻译动态中上下文相关的变

3/18/2024 2:47:00 PM

ScienceAI

ICLR 2024 Spotlight｜厦门大学、Intel、大疆联合出品，从网络视频中学习零样本图像匹配大模型

图像匹配是计算机视觉的一项基础任务，其目标在于估计两张图像之间的像素对应关系。图像匹配是众多视觉应用如三维重建、视觉定位和神经渲染 (neural rendering) 等的基础和前置步骤，其精确度和效率对于后续处理十分重要。传统算法（SIFT）在面临长基线或极端天气等复杂场景时，其匹配的准确度和密度往往有限。为了解决这些问题，近年来，基于深度学习的匹配模型逐渐流行。然而，由于缺乏大规模且多样化的具有真值标签的训练数据，目前的匹配模型通常是在 ScanNet 和 MegaDepth 上分别训练室内和室外两个模型。这

2/29/2024 2:56:00 PM

机器之心

超越AF2？Iambic、英伟达、加州理工学院开发多尺度深度生成模型，进行状态特异性蛋白质-配体复合物结构预测

编辑 | 萝卜皮由蛋白质和小分子配体形成的结合复合物无处不在，对生命至关重要。虽然最近科学家在蛋白质结构预测方面取得了进展，但现有算法无法系统地预测结合配体结构及其对蛋白质折叠的调节作用。为了解决这种差异，AI 制药公司 Iambic Therapeutics、英伟达（Nvidia Corporation）以及加州理工学院（California Institute of Technology）的研究人员提出了 NeuralPLexer，这是一种计算方法，可以仅使用蛋白质序列和配体分子图输入直接预测蛋白质-配体复合物

2/20/2024 11:51:00 AM

ScienceAI

资讯热榜

上海AI实验室开源InternVL3系列多模态大型语言模型 Haisnap横空出世，小白用户也能轻松打造AI应用「交交」媲美GPT-4o！上海交大推出口语对话情感大模型，首个纯学术界自研！全日程揭晓！ICLR 2025论文分享会我们北京见 5分钟直出46页论文！谷歌Deep Research完爆OpenAI，最强Gemini 2.5加持 kimi开源视觉语言模型 Kimi-VL 与 Kimi-VL-Thinking，多项基准超越 GPT-4o 击败DeepSeek-R1！豆包新推理模型仅用前者参数量1/3！还将开源两个基准，瞄准通用推理能力！ ChatGPT重大更新，能翻出所有历史对话，网友被AI聊破防了

标签云

人工智能 OpenAI AIGC AI ChatGPT DeepSeek AI绘画数据机器人谷歌模型大模型 Midjourney 智能用户学习开源 GPT 微软 Meta AI创作图像技术论文 Stable Diffusion 马斯克 Gemini 算法蛋白质生成式芯片代码英伟达神经网络腾讯计算研究 Sora AI for Science 3D AI设计 Anthropic 机器学习 GPU 开发者场景华为预测伟达 Transformer 百度深度学习苹果 AI视频模态驾驶文本人形机器人 xAI 搜索大语言模型 Copilot Claude 字节跳动具身智能神器推荐 LLaMA 算力安全应用视频生成科技视觉亚马逊干货合集 2024 AGI 特斯拉 DeepMind 训练