预测
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蛋白质在发挥作用时如何改变形状，这对于了解它们在生物系统中的工作方式非常重要。研究人员提出了一种解决构象运动的策略，即将
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 HADDOCK 和 ClusPro，不止在具有模拟残基和表面限制的复杂结构预测中，在借助核磁共振化学位移扰动以及共价标记进
准确率达60.8%，浙大基于Transformer的化学逆合成预测模型，登Nature子刊
编辑 | KX逆合成是药物发现和有机合成中的一项关键任务，AI 越来越多地用于加快这一过程。现有 AI 方法性能不尽人意，多样性有限。在实践中，化学反应通常会引起局部分子变化，反应物和产物之间存在很大重叠。受此启发，浙江大学侯廷军团队提出将单步逆合成预测重新定义为分子串编辑任务，迭代细化目标分子串以生成前体化合物。并提出了基于编辑的逆合成模型 EditRetro，该模型可以实现高质量和多样化的预测。大量实验表明，模型在标准基准数据集 USPTO-50 K 上取得了出色的性能，top-1 准确率达到 60.8%。结果
化学逆合成SOTA！上海交大团队提出SMILES对齐技术实现高效逆合成预测
编辑 | ScienceAI逆合成规划在药物研发中扮演着至关重要的角色，而单步逆合成预测更是这一过程的核心。通过运用Transformer等先进的序列模型，将单步逆合成预测问题转化为从产物SMILES表示到反应物SMILES表示的翻译任务，已经成为一种广泛采用且效果显著的策略。然而，这种方法往往忽略了一个关键点：在反应物和产物之间，存在大量可以被直接利用的相同子结构。对这些子结构利用的不充分限制了模型预测的效率和准确性。2024年7月，上海交通大学人工智能研究院金耀辉、许岩岩研究团队在《Journal of Che
强过「黄金标准」，快3,500倍，成本低10万倍，物理建模融合AI，谷歌天气模型登Nature
编辑 | KX地球正以前所未有的方式变暖，但气温升高对我们的未来意味着什么尚不完全清楚。全球哪些地区将面临长期干旱？大型热带风暴将使哪些沿海地区的洪灾更加频繁？为了回答这些问题，科学家需要能够准确预测地球气候。现在，Google Research 研究团队提出一种将传统的基于物理建模与 ML 相结合的新方法——NeuralGCM，可以准确高效地模拟地球大气层。比现有模型更快、计算成本更低、更准确。NeuralGCM 可以生成 2-15 天的天气预报，比目前基于物理的「黄金标准」模型更准确。在 1 至 10 天预报方
成功率超越RoseTTAFold系列，用序列信息直接预测蛋白质-配体复合物结构
编辑 | 萝卜皮蛋白质-配体对接是药物发现和开发中一种成熟的工具，用于缩小实验测试的潜在治疗范围。然而，高质量的蛋白质结构是必需的，而且蛋白质通常被视为完全或部分刚性的。在这里，柏林自由大学（Freie Universität Berlin）的研究人员开发了一个人工智能系统，可以直接从序列信息预测蛋白质-配体复合物的完全柔性全原子结构。虽然经典对接方法仍然更胜一筹，但这也取决于目标蛋白质的晶体结构。除了预测灵活的全原子结构外，预测置信度指标 (plDDT) 还可用于选择准确的预测，以及区分强结合剂和弱结合剂。该研究
“AI 预测宝宝长相是不是智商税”上热搜，专家：娱乐性大于准确性
今天下午，一条 #AI 预测宝宝长相是不是智商税#的话题登上了微博热搜，目前位于榜单第 10 位。据极目新闻报道，在电商平台上，利用四维彩超图生成一张宝宝照片最低只需 6.8 元，等待半小时就能出片，最火的商家已接了上万单。在某微信小程序，用户也可自行上传四维彩超图，免费生成预测照片。对此，人工智能领域专业人士郭涛表示，通过一些算法和数据确实可以对图像进行处理和推测，但胎儿在母体发育以及出生后的成长会受到多种因素影响，AI 很难准确预测出最终模样。中国企业资本联盟副理事长柏文喜表示：“不少宝爸宝妈对未出生宝宝怀着好
微软推出首个基于 AI 的天气预报系统 Aurora，还能预测空气污染水平
微软在本周一发布了首个用于天气预测的大型大气基础模型 Aurora（极光），可实现天气和大气变化的高精度预报。据微软官方宣称，Aurora 是一个有着 13 亿参数的基础模型，同时还带有基于 3D 感知器的编码器和解码器。Aurora 经过超过一百万小时的不同天气和气候数据训练。Aurora 利用基础建模方法的优势，为各种大气预测问题（包括训练数据有限、异构变量和极端事件）提供业务预测。团队在预训练时分两个阶段对 Aurora 模型进行了优化，以最大限度地减少具有不同分辨率、变量和压力水平的多个异构数据集的损失，得
英伟达数字孪生地球“Earth-2”亮相 2024 台北电脑展，2 公里精确预测天气信息
在目前正在进行的黄仁勋台北电脑展 2024 主题演讲上，黄仁勋介绍了英伟达 Earth-2 数字孪生地球，该“地球”主要用于天气观测，基于英伟达 CorrDiff 生成式 AI 模型技术，号称融合了人工智能、物理模拟和观测数据，够从今天的数据来预测未来世界的影响。英伟达表示，相对于第一代 Earth 数字孪生地球，Earth-2 能够以 12 倍解析度（从 25 公里提高到 2 公里）精确预测天气信息，号称能够代表区域天气预测的巨大飞跃，同时据称能够提高 3000 倍能源效率。英伟达同时表示，Earth-2 未来还
芝大论文证明 GPT-4 选股准确率高达 60%，人类股票分析师要下岗？AI 大牛质疑数据污染
【新智元导读】GPT-4 在为人类选股时，表现竟然超越了大部分人类分析师，和针对金融训练的专业模型？在没有任何上下文的情况下，它们直接就成功分析了财务报表，这一发现让许多业内大咖震惊了。然而好景不长，有 AI 大牛指出研究中的 bug：之所以会这样，很可能是训练数据被污染了。最近，各位业内大咖都被芝大的一篇论文震惊了。研究者发现，由 GPT-4 帮忙选择的股票，直接击败了人类！同时也 pk 掉了许多其他针对金融训练的机器学习模型。最让他们震惊的是，LLM 可以在没有任何叙述上下文的情况下，就成功分析财务报表中的数字
准确预测药物-靶点相互作用，江南大学提出深度学习融合GNN新方法MINDG
编辑 | 紫罗药物-靶点相互作用（DTI）预测在药物发现中发挥着重要作用。尽管药物靶点预测的智能计算方法受到了广泛关注，并取得了许多进展，但仍然是一项具有挑战性的任务，需要进一步的研究。为了解决上述挑战，江南大学研究团队提出了一种集成深度学习和图学习的多视图集成学习网络（MINDG）。MINDG 结合图学习和深度学习来提取药物和蛋白质的内在结构信息，以及它们之间的外在关系信息。因此，与之前的方法相比，MINDG 提高了模型预测的性能。相关研究以《MINDG: a drug–target interaction pr
微软 Start 天气预测模型再进化，可预测何时出现云层和降水
微软 Start 团队今天通过必应官方博客发布博文，宣布 AI 天气预测模型又有重大改进，能更准确预报未来 30 天天气情况之外，现在预测何时可能出现云层和降水。博文中微软 Start 团队表示已经于 2021 年年底开始，着手改进全球范围内的“降水预报”系统。该模型不仅会调用雷达装置收集的数据，还会结合卫星数据，通过 AI 算法分析，能更准确地预测降水情况。不过微软 Start 团队也坦言该预测模型存在不足，卫星天气数据每日的接收时间比例为 85% 至 95%，但取决于数据的来源和可接受的延迟时间。微软表示：有证
提高光学数据集利用率，天大团队提出增强光谱预测效果 AI 模型
编辑 | 枯叶蝶近日，天津大学激光与光电子研究所吴亮副教授、姚建铨院士团队联合自然语言处理实验室熊德意教授团队报道了一种使用多频率补充输入的深度学习模型来增强光谱预测效果的方案。该方案可有效地提高现有光学数据集的利用率，在不额外增加训练成本的基础上，增强了与超表面结构对应的光谱响应的预测效果。相关研究成果以「Enhanced spectrum prediction using deep learning models with multi-frequency supplementary inputs」为题，于 20
微软发布 MatterSim 模型：模拟材料、预测性能，AI 探索材料设计的无限可能
微软研究院科学智能中心（Microsoft Research AI for Science）近日推出 MatterSim 模型，能够在广泛的元素、温度和压力范围内，准确高效地模拟材料和预测性能，助力材料设计的数字化转型。新材料探索对纳米电子学、能量储存和医疗健康等多个领域的技术进步至关重要。材料设计中的一个核心难点是如何在不进行实际合成和测试的情况下预测材料属性。由于新材料可能涉及元素周期表中 118 种元素的任意组合，且其合成和工作温度、压力范围极广，这些因素极大地影响了材料内部原子的相互作用，使得准确预测材料属
效率高、成本低，从单一结构到平衡分布，微软AI分子预测框架登Nature子刊
编辑 | 紫罗近年来，深度学习技术在分子微观结构预测中取得了巨大的进展。然而，分子的宏观属性和功能往往取决于分子结构在平衡态下的分布，仅了解分子的微观结构还远远不够。获得这些分布的传统方法，如分子动力学模拟，但这些方法昂贵又耗时。在此，来自微软研究院科学智能中心（Microsoft Research AI4Science）的研究人员，提出了一种可用于预测分子结构平衡分布的深度学习框架，称为分布式图分析器（Distributional Graphormer，DiG）。DiG 框架能够有效生成不同的构象，并提供状态密度
AI 预测所有生命分子，谷歌 AlphaFold 3 模型登 Nature：欲颠覆生物学
谷歌 DeepMind 公司近日推出了 AlphaFold 3，通过预测所有生命分子是如何相互作用的，加速寻找新药和探索新的治疗方法，治疗癌症、帕金森氏症、疟疾、肺结核等疾病。IT之家从报道中获悉，AlphaFold 3 能够预测人体每个细胞分子的复杂形状，以及如何相互连接，以及其中最小的变化如何影响可能导致疾病的生物功能。科学家和医学专家希望借助 AlphaFold 3，深入研究抗体和药物的相互作用，寻找更好的治疗方法。DeepMind 创始人兼首席执行官 Demis Hassabis 表示，该项目为研究人员提供
一个小技巧，解锁 ChatGPT「预测未来」？
【新智元导读】新研究利用了 ChatGPT 在 2021 年 9 月的训练数据截止这一限制，比较了 ChatGPT 在直接预测和未来叙事预测两种不同提示方式下，预测 2022 年各种事件上的表现。结果显示，未来叙事预测方法在预测 2022 年奥斯卡奖得主时表现出色，在预测宏观经济变量时，ChatGPT-4 的表现也有所提高。如今，AI 进步的速度，已经超出了我们对它用途的理解。为了防止 ChatGPT「失控」，OpenAI 定制了一套堪称严苛的「服务条款」，涉及包括法律、医疗 / 健康、个人安全、权利福祉、赌博放贷
GPT-4 整治学术不端：人大 / 浙大团队实测 7000 篇论文，撤稿预测与人类 95% 一致
【新智元导读】人大与浙大学者发现，GPT-4 对于论文给出的撤稿预测结果，竟然和人类审稿人有将近 95% 的相似性。看来大模型虽然有可能引发学术不端，但也有办法维护科研诚信啊。学术论文的撤稿事件时有发生，这不仅损害了科研诚信，也可能对公众信任和科学进展产生负面影响。传统上，学术界依赖同行评审和出版后的读者反馈来识别和纠正问题论文，但这些方法可能无法及时发现所有问题，尤其是在当前科研论文出版数量急剧增加的背景下。在这种情况下，如何快速识别存在问题的论文，并促进它们的撤稿，成了学术界亟待解决的一个难题。最近，来自中国人