AI for Science 的新成果、新動態(tài)、新視角搶先看——

* DeepMind 最新研究 FunSearch 登 Nature

* 谷歌推出醫(yī)療保健行業(yè)模型 MedLM

* 晶泰科技沖刺港交所，AI+機器人賦能 AI for Science

* GHDDI 與微軟研究院科學(xué)智能中心達成合作

* 用于地震學(xué)處理分析的 AI 工具開源

* 我國首個自主研發(fā)的地球系統(tǒng)模型宣布開源

* 百度飛槳螺旋槳團隊構(gòu)建蛋白質(zhì)-小分子對接構(gòu)象預(yù)測模型 HelixDock

* 國內(nèi)研究團隊公開基于混合機器學(xué)習(xí)的碳排放預(yù)測方法及系統(tǒng)

* 蘋果芯片「專屬定制版」機器學(xué)習(xí)框架開源

更多內(nèi)容詳見下文~

企業(yè)動態(tài)

DeepMind 最新研究 FunSearch 登「Nature」

谷歌 DeepMind 最新研究 FunSearch 是一種搜索數(shù)學(xué)和計算機科學(xué)新解決方案的方法。FunSearch 的工作原理是將預(yù)先訓(xùn)練好的大模型 (LLM) 與自動「評估器」配對使用，前者的目標(biāo)是以計算機代碼的形式提供創(chuàng)造性的解決方案，后者則負(fù)責(zé)防止出現(xiàn)幻覺和不正確的想法。通過這兩個組件之間的來回迭代，初始解決方案「進化」為新知識。FunSearch 發(fā)現(xiàn)了上限集問題的新解決方案，這是數(shù)學(xué)領(lǐng)域的一個長期未決問題，代表了利用大模型首次發(fā)現(xiàn)科學(xué)或數(shù)學(xué)領(lǐng)域具有挑戰(zhàn)性的開放問題。論文地址：nature.com/articles/s41586-023-06924-6

谷歌推出醫(yī)療保健行業(yè)模型 MedLM

近日，谷歌宣布推出一套新的醫(yī)療保健專用人工智能模型 MedLM，旨在幫助臨床醫(yī)生和研究人員進行復(fù)雜的研究、總結(jié)醫(yī)患互動等。這一舉措標(biāo)志著谷歌將醫(yī)療保健行業(yè)人工智能工具貨幣化的最新嘗試，也是醫(yī)療行業(yè)數(shù)字化轉(zhuǎn)型的一個重要里程碑。首先，MedLM 能夠幫助臨床醫(yī)生和研究人員進行復(fù)雜的研究和數(shù)據(jù)分析，提高醫(yī)療診斷的準(zhǔn)確性和效率。其次，MedLM 能夠總結(jié)醫(yī)患互動，為醫(yī)生提供更好的患者管理和服務(wù)體驗。此外，MedLM 還能夠為醫(yī)療保健機構(gòu)提供更好的數(shù)據(jù)管理和分析工具，提高醫(yī)療資源的利用效率。

晶泰科技沖刺港交所，AI+機器人賦能 AI for Science

QuantumPharm Inc. (晶泰科技) 于上月正式向港交所遞交招股說明書，擬以 18C 規(guī)則主板掛牌上市。18C 規(guī)則主要針對特專科技公司，對于行業(yè)的科技屬性要求較高，涉及新一代信息技術(shù)、先進硬件及軟件、先進材料、新能源及節(jié)能環(huán)保、新食品及農(nóng)業(yè)技術(shù)等行業(yè)領(lǐng)域。晶泰科技是全球少數(shù)同時擁有基于量子物理的第一性原理計算、先進的人工智能技術(shù)及自動化濕實驗室能力的藥物及材料科學(xué)研發(fā)公司之一，也是全球少有的量子物理+AI+自動化驅(qū)動的藥物及材料科學(xué)研發(fā)平臺之一。

GHDDI 與微軟研究院科學(xué)智能中心達成合作

近日，全球健康藥物研發(fā)中心 (Global Health Drug Discovery Institute, GHDDI) 與微軟研究院科學(xué)智能中心 (Microsoft Research AI4Science) 宣布達成合作，雙方將共同研發(fā)全球健康傳染病領(lǐng)域的生成式人工智能與基礎(chǔ)大模型技術(shù)，聚焦落地轉(zhuǎn)化，加速創(chuàng)新藥物研發(fā)。此前，雙方已成功在結(jié)核分枝桿菌以及冠狀病毒關(guān)鍵靶蛋白的研究中設(shè)計出多種全新結(jié)構(gòu)的小分子抑制劑。

百奧幾何與智譜AI共建自然語言-生命語言多模態(tài)大模型

北京百奧幾何生物科技有限公司和北京智譜華章科技有限公司近日宣布達成戰(zhàn)略合作，共同致力于建設(shè)自然語言-生命語言多模態(tài)大模型。該模型預(yù)期將增進生成式人工智能平臺在生命科學(xué)與醫(yī)藥研究領(lǐng)域的實用性。

工具資源

用于地震學(xué)處理分析的 AI 工具開源

用于地震學(xué)處理分析的開源工具，目前包括：震相拾取、極化、頻散提取。工具已經(jīng)開源中國地區(qū) 100Hz 模型，部分模型基于 CSNCD 數(shù)據(jù)集訓(xùn)練，PgSgPnSn 四種震相的拾取模型精度最高。訪問地址：https://gitee.com/cangyeone/seismological-ai-tools

我國首個自主研發(fā)的地球系統(tǒng)模型宣布開源

日前，中國科學(xué)院大氣物理研究所發(fā)布了我國首個具有自主知識產(chǎn)權(quán)的「完整」地球系統(tǒng)數(shù)值模型，并宣布釋放其源代碼。這套模型包含完整的氣候系統(tǒng)和生態(tài)環(huán)境系統(tǒng)，集成了大氣環(huán)流、海洋環(huán)流等 8 個分系統(tǒng)模式，同時也是國家重大科技基礎(chǔ)設(shè)施「地球系統(tǒng)數(shù)值模擬裝置」的核心軟件，總計約270萬行程序代碼，被稱為「地球?qū)嶒炇摇埂?/p>

百度飛槳螺旋槳團隊構(gòu)建蛋白質(zhì)-小分子對接構(gòu)象預(yù)測模型 HelixDock

百度飛槳螺旋槳團隊通過構(gòu)建大規(guī)模的模擬數(shù)據(jù)集、升級基于幾何的神經(jīng)網(wǎng)絡(luò)等手段，構(gòu)建蛋白質(zhì)-小分子對接構(gòu)象預(yù)測模型 HelixDock，大幅度提升了構(gòu)象預(yù)測的準(zhǔn)確度。更多結(jié)果詳見HelixDock文章：https://arxiv.org/abs/2310.13913
飛槳螺旋槳訪問地址：https://paddlehelix.baidu.com/

國內(nèi)研究團隊公開基于混合機器學(xué)習(xí)的碳排放預(yù)測方法及系統(tǒng)

國內(nèi)研究團隊公開了一種基于混合機器學(xué)習(xí)的碳排放預(yù)測方法及系統(tǒng)，通過目標(biāo)組合模型對數(shù)據(jù)集合進行處理，得到碳排放預(yù)測結(jié)果；其中，目標(biāo)組合模型為通過目標(biāo)計算權(quán)重實現(xiàn)了將單變量時序預(yù)測和多變量驅(qū)動因素模型進行最優(yōu)加權(quán)組合，兼顧各個模型的優(yōu)點，提升了碳排放預(yù)測的準(zhǔn)確性。訪問地址：https://cprs.patentstar.com.cn/Search/Detail?ANE=9HFF9IBA9GDC5BCA8GBA9FHE9AHA8BCA9DFB9CFF9GFF7BDA

蘋果芯片「專屬定制版」機器學(xué)習(xí)框架開源

MLX 是一個專為蘋果芯片設(shè)計的機器學(xué)習(xí)框架（點擊查看詳細(xì)解讀），旨在保證用戶友好的前提下，支持高效地在蘋果芯片上訓(xùn)練及部署模型。其設(shè)計理念簡單，參考了 NumPy、PyTorch、Jax 和 ArrayFire 等框架，包括延遲計算 (Lazy computation)、動態(tài)圖構(gòu)建等關(guān)鍵功能。訪問地址：https://github.com/ml-explore/mlx/tree/main/examples

科研成果DANTE ：面向大規(guī)模光電智能計算

Training large-scale optoelectronic neural networks with dual-neuron optical-artificial learning

* 來源：Nature Communications

* 領(lǐng)域：神經(jīng)網(wǎng)絡(luò)，光電智能

* 作者：清華大學(xué)電子工程系方璐課題組

研究團隊提出了面向大規(guī)模光電智能計算的光學(xué)-人工雙神經(jīng)元學(xué)習(xí)架構(gòu) (DuAl-Neuron opTical-artificial lEarning，DANTE)。其中光學(xué)神經(jīng)元精準(zhǔn)建模光場計算過程，人工神經(jīng)元以輕量映射函數(shù)建立跳躍連接助力梯度傳播，全局人工神經(jīng)元與局部光學(xué)神經(jīng)元以交替學(xué)習(xí)的機制進行迭代優(yōu)化，在確保學(xué)習(xí)有效性的同時，大大降低了訓(xùn)練的時空復(fù)雜度，使得訓(xùn)練更大更深的光電神經(jīng)網(wǎng)絡(luò)成為可能。

閱讀原文：https://www.nature.com/articles/s41467-023-42984-y

卷積神經(jīng)網(wǎng)絡(luò)框架 PtyNet ：同步輻射海量數(shù)據(jù)處理

An efficient ptychography reconstruction strategy through fine-tuning of large pre-trained deep learning model

* 來源：iScience

* 領(lǐng)域：數(shù)據(jù)挖掘，卷積神經(jīng)網(wǎng)絡(luò)

* 作者：中國科學(xué)院團隊

研究團隊開發(fā)了一個名為 PtyNet 的卷積神經(jīng)網(wǎng)絡(luò)框架，用于從 X 射線 Ptychography 實驗數(shù)據(jù)中恢復(fù)出物體的精確投影。在強大的計算集群的支持下，PtyNet 可以快速地從同步輻射光源獲取數(shù)據(jù)進行訓(xùn)練，并快速地對用戶的實驗數(shù)據(jù)進行圖像重建。

閱讀原文：https://doi.org/10.1016/j.isci.2023.108420

通過序列聚類和 AlphaFold2 預(yù)測多種構(gòu)象

Predicting multiple conformations via sequence clustering and AlphaFold2

* 來源：Nature

* 領(lǐng)域：生物信息學(xué)

* 作者：布蘭迪斯大學(xué)和霍華德·休斯醫(yī)學(xué)研究所、哈佛大學(xué)和劍橋大學(xué)的研究團隊

研究團隊通過序列相似性對多序列比對 (MSA) 進行聚類，使 AF2 能夠以高置信度對已知變形蛋白 (metamorphic protein) 的交替狀態(tài)進行采樣。同時，研究人員使用 AF-Cluster 方法，研究了變形蛋白 KaiB5 的預(yù)測結(jié)構(gòu)的進化分布，發(fā)現(xiàn)兩種構(gòu)象的預(yù)測都分布在 KaiB 家族的簇中。

閱讀原文：

https://www.nature.com/articles/s41586-023-06832-9

ProRefiner：逆向蛋白質(zhì)折疊設(shè)計模型

ProRefiner: an entropy-based refining strategy for inverse protein folding with global graph attention

* 來源：Nature Communications

* 領(lǐng)域：生物基因，深度學(xué)習(xí)

* 作者：香港中文大學(xué)、之江實驗室、華為諾亞方舟實驗室和南京醫(yī)科大學(xué)研究團隊

研究團隊引入了 ProRefiner，一種內(nèi)存高效 (memory-efficient) 的全局圖注意力模型，可以充分利用去噪上下文，并且證明了 ProRefiner 在重新設(shè)計轉(zhuǎn)座子相關(guān)轉(zhuǎn)座酶 B (TnpB) 方面的適用性，提出的 20 個變體中有 6 個表現(xiàn)出改進的基因編輯活性。

閱讀原文：https://www.nature.com/articles/s41467-023-43166-6

KPGT：自監(jiān)督學(xué)習(xí)框架

A knowledge-guided pre-training framework for improving molecular representation learning

* 來源：Nature Communications

* 領(lǐng)域：生物分子，藥物發(fā)現(xiàn)

* 作者：清華大學(xué)、西湖大學(xué)和之江實驗室研究團隊

研究團隊提出了知識引導(dǎo)的圖 Transformer 預(yù)訓(xùn)練 (Knowledge-guided Pre-training of Graph Transformer，KPGT)，這是一種自監(jiān)督學(xué)習(xí)框架，通過顯著增強的分子表征學(xué)習(xí)提供改進的、可泛化和穩(wěn)健的分子特性預(yù)測。KPGT 框架集成了專為分子圖設(shè)計的圖 Transformer 和知識引導(dǎo)的預(yù)訓(xùn)練策略，以充分捕獲分子的結(jié)構(gòu)和語義知識。閱讀原文：https://www.nature.com/articles/s41467-023-43214-1

活動回顧

CoRL 大會落幕，最佳論文、最佳系統(tǒng)論文公布

2023 年的 Conference on Robot Learning (CoRL) 大會于上月在美國亞特蘭大舉行。據(jù)官方數(shù)據(jù)透露，今年來自 25 個國家的 199 篇論文入選 CoRL，熱門主題包括 manipulation、強化學(xué)習(xí)等。

其中，最佳論文獎為「Distilled Feature Fields Enable Few-Shot Language-Guided Manipulation」

* 作者：William Shen, Ge Yang, Alan Yu, Jensen Wong, Leslie Pack Kaelbling, Phillip Isola

* 機構(gòu)：MIT CSAIL、IAIFI

閱讀原文：https://openreview.net/forum?id=Rb0nGIt_kh5
其他獎項詳見官網(wǎng)：https://www.corl2023.org/awards

NASSMA 2022 AI4Science 研討會干貨分享

該研討會由 NASSMA、穆罕默德六世理工大學(xué)及 Google Deepmind 等機構(gòu)共同組織。目前，研討會的演講 PPT 及直播回放已上線。

以上就是「Science AI Weekly」本期要分享的所有內(nèi)容了~

如果你有關(guān)于 AI for Science 的最新研究成果、企業(yè)一手信息等，歡迎留言「爆料」。