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
- 1
资讯热榜
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
AI绘画
DeepSeek
数据
机器人
谷歌
大模型
Midjourney
智能
模型
用户
学习
GPT
开源
微软
AI创作
图像
Meta
技术
论文
Stable Diffusion
马斯克
算法
生成式
蛋白质
芯片
Gemini
代码
神经网络
计算
腾讯
研究
Sora
AI设计
3D
开发者
英伟达
GPU
AI for Science
机器学习
场景
预测
华为
伟达
Transformer
Anthropic
模态
深度学习
百度
驾驶
AI视频
文本
苹果
搜索
神器推荐
算力
LLaMA
Copilot
安全
科技
xAI
视频生成
应用
字节跳动
干货合集
2024
人形机器人
具身智能
特斯拉
视觉
亚马逊
语音
大语言模型
Claude
AGI
AI应用场景