标签：深度学习

深入解析蛋白质-配体相互作用：SurfDock的创新突破 准确预测蛋白质-配体相互作用对于理解细胞过程至关重要，但这一领域仍面临许多挑战。近期，中国科学院和浙江大学的研究团队提出了一种名为SurfDock的深度学习方法，旨在克服这些挑战。SurfDock通过整合蛋白质序列、三维结构图和表面级特征到等变架构中，显著提升了预测的准确性和可靠性。 SurfDock的技术优势 SurfDock采用生成扩散模型，在非欧几里德流形上优化分子的平移、旋转和扭转，从而生成可靠的结合姿势。该方法在多种基准测试中表现出色，不仅对接成功率高，还...

Ilya Sutskever 在 NeurIPS 2024 的最新演讲 继李飞飞、Bengio 和何恺明之后，Ilya Sutskever 在 NeurIPS 2024 大会上发表了最新的演讲。尽管演讲时长仅约 15 分钟，但丰富且引人深思。Ilya 在演讲中提出了一些重要的观点，例如：“我们所熟知的预训练即将终结。”对于未来，Ilya 预测：“接下来将是超级智能：代理、推理、理解和自我意识。” 回顾十年技术发展 Ilya 以一张十年前的 PPT 截图开始了他的演讲，那时深度学习还处于探索阶段。2014 年在蒙特利尔，他和他的团队（包括 Oriol Vinyals 和 Quoc Le）首次提出了深度...

在最近举行的全球顶级会议NeurIPS 2024上，著名学者Ilya发表了一次震撼全场的演讲，宣布预训练时代即将结束。他认为，随着互联网上的可用数据逐渐枯竭，未来的AI发展方向将是具备自我意识的超级智能。 Ilya指出，我们只有一个互联网，而训练模型所需的大量数据即将耗尽。因此，未来的突破将集中在智能体、合成数据和推理计算上。Ilya预测，未来的AI将具备更强的智能体特性，能够进行推理和理解，并最终实现自我意识。 此次NeurIPS 2024的时间检验奖公布，Ilya和GAN之父共同获奖。Ilya回顾了十年前在2014年蒙特利尔NeurIPS...

Ilya宣判：预训练即将终结！NeurIPS现场沸腾 超级智能是未来 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 在NeurIPS 2024会议上，Ilya Sutskever发表了最新演讲，虽然演讲时间只有15分钟，但极其丰富。Ilya在演讲中提出了一个重要观点：“我们所熟知的预训练即将终结。”同时，他对未来做出了大胆预测：“接下来将是超级智能：代理、推理、理解和自我意识。” 回顾十年技术发展 Ilya以一张十年前的PPT截图开启了演讲，回顾了深度学习从探索阶段到成为AI领域基石的历程。2014年，他在蒙特利尔与团队首次提出了深度学习的核...

RNA 3D 结构预测的新突破 RNA 分子在分子生物学的中心法则中扮演着至关重要的角色，其结构如何影响基因调控和功能一直是科研人员关注的焦点。然而，准确预测 RNA 的三维（3D）结构一直是一项艰巨的任务。RNA 的结构灵活性导致实验数据稀缺，从而增加了计算预测的难度。近日，香港中文大学、复旦大学、哈佛大学及智峪生科（Zelixir）等多家机构联合开发了一种基于 RNA 语言模型的深度学习方法——RhoFold+，用于高效、准确地从头预测 RNA 3D 结构。 RhoFold+ 利用了在约 2370 万个 RNA 序列上预训练的 RNA 语言模型，解决了数...

蛋白质构象变化的深度学习新策略 蛋白质构象变化是计算生物学和人工智能领域的重要挑战之一。尽管主流算法如 AlphaFold 能够高效预测蛋白质的静态结构，但在预测构象变化方面仍存在局限。为了突破这一瓶颈，中国科学技术大学和上海科技大学的研究团队提出了一种创新的深度学习方法，通过高通量生物物理采样来克服蛋白质构象变化数据稀缺的问题。 大规模数据库的构建 研究人员将分子动力学模拟与增强采样技术相结合，创建了一个包含 2635 种已知两种稳定状态的蛋白质构象变化的大规模数据库。每个转变途径的结构信息都被...

告别与感谢：Francois Chollet 离开 Google 近日，Google for Developers 网站上发布了一封公开信，宣布 Keras 创始人、人工智能领域的杰出人物 Francois Chollet 即将离开 Google，开启职业生涯的新篇章。尽管这一消息令人感到遗憾，但 Google 对他的巨大贡献表示无比自豪，并期待他在未来的成就。 Keras：人工智能开发的基石 Keras 拥有超过 200 万用户，已成为人工智能开发的重要工具。它简化了复杂的工作流程，使顶尖技术的获取更加民主化。从 Waymo 的自动驾驶汽车到日常的 YouTube、Netflix 和 Spotify 推荐，Keras...

两年前，清华大学物理系的徐勇和段文晖研究团队开发了一种名为DeePH的高效精确的第一性原理电子结构深度学习方法，极大地提升了电子结构计算的速度。近期，该团队又开发了一种新的实空间重构方法（real-space reconstruction），将DeePH方法推广至平面波基组，使其能够与所有密度泛函理论（DFT）程序兼容。这种方法比传统投影方法快几个数量级，为深度学习电子结构计算带来了更高的精度和更好的泛化能力，并打开了利用电子结构大数据进行深度学习的大门。 DeePH的成功与局限 近年来，从头计算与人工智能技术的结合取得了...

诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton 10月8日，瑞典皇家科学院宣布将2024年诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton，以表彰他们在利用人工神经网络进行机器学习方面的基础性发现和发明。 John J. Hopfield：霍普菲尔德网络奠基者 现年91岁的John J. Hopfield是美国著名的物理学家、生物学家和神经科学家。1982年，他发表了一篇题为《具有涌现集体计算能力的神经网络和物理系统》的论文，提出了霍普菲尔德网络（Hopfield Network）。这种网络模型具有联想记忆功能，可以存储和重建图...

在近日，OpenAI 首席执行官 Sam Altman 发表了一篇名为《智能时代》（The Intelligence Age）的长文博客，引发了广泛关注。这篇博客在推特上的浏览量已超过百万次。Altman 在文中不仅表达了对人工智能发展的深刻见解，还提出了许多令人振奋的观点。 Altman 认为，人工智能不仅仅是谷歌搜索或家庭作业助手的替代品，而是将彻底改变人类社会的发展方向。他预测，超级智能可能在未来几千天内实现。尽管这一时间框架存在不确定性，但他的观点引起了广泛讨论。 在未来几十年内，我们将能够实现许多当前看似不可思议的事情。这种...