IT思维

Google DeepMind 团队介绍了「GraphCast」，一种直接从再分析数据训练的基于机器学习的方法。

快速浏览一下资讯类网站就会发现，如今生成人工智能似乎变得无处不在。事实上，其中一些新闻资讯可能是由生成式人工智能帮忙撰写的，例如 OpenAI 的 ChatGPT。

密度泛函理论（DFT）的定理建立了多体系统的局部外部势与其电子密度、波函数以及单粒子约化密度矩阵之间的双射映射。

GPT-4 在应对化学挑战方面表现出非凡的能力，但仍然存在明显的弱点。

一些现代图像生成器依靠扩散原理来创建图像。基于带电粒子分布背后的过程的替代方案可能会产生更好的结果。

现代扫描探针技术，例如扫描隧道显微镜，可以获取编码量子物质基础物理的大量数据。

但这种情况正在开始改变。借助一种称为稀疏卷积神经网络 (Sparse Convolutional Neural Network，SCNN) 的机器学习工具，研究人员可以专注于数据的相关部分并筛选出其余部分。

PENCIL的分类模式识别特定表型富集的亚群，与差异丰度测试算法具有相同的应用。然而，基于监督学习的 PENCIL 框架提供了一种更灵活的方式来同时选择基因和识别亚群。为了证明这一独特的特征，与其他方法进行比较的模拟被设计为需要基因选择。

药物-靶标相互作用 (DTI) 预测在药物发现和重新定位中起着重要作用。

法国国家科学研究中心和艾克斯-马赛大学以及荷兰马斯特里赫特大学的研究团队，利用模型比较框架并对比声学、语义（连续和分类）和声音到事件深度神经网络表示模型预测感知声音差异和 7 T 人类听觉皮层功能磁共振成像响应的能力。

有的蛋白质在基态结构中缺乏 Pocket，因此被认为是「不可成药的蛋白质」。

2023 年 2 月 28 日，率先采用人工智能技术和计算科学来解决治疗挑战的创新实验室 AION Labs，宣布成立 DenovAI，这是该实验室获得以色列创新局（Israel Innovation Authority）批准的第二家初创公司。

全基因组测序的进步引发了数字生物学的革命。

RNA 分子上的甲基化修饰，关系到某些蛋白的表达，进而会影响到细胞的状态，对于疾病治疗药物开发具有潜在应用价值。

人工智能正在改变现代电子产品——加速可弯曲电视屏幕、超轻型革命性太阳能电池等的设计。

催化剂优化过程通常依赖于化学家基于筛选数据的归纳和定性假设。

高效的化学合成对于满足未来对药物、材料和农用化学品的需求至关重要。

在这里，艾伦图灵研究所、伦敦大学、罗氏制药以及 Genentech 的研究人员，概述了该领域的研究进展，并提出了从具有结构化缺失的数据中学习的一系列重大挑战。

电子能带结构和晶体结构是固态材料的两个相辅相成的标志。

让 OpenAI 创建的图像生成系统 DALL·E 2 绘制一幅「金鱼在海滩上啜饮可口可乐」的图画，它会吐出超现实的图像。

机器学习技术已广泛应用于化学、物理、生物学和材料科学的许多领域。

机器感知是计算机以类似于人类感知世界的方式接收和处理感官信息的能力。

最近，一位粒子物理学家谈论他将计算推向了一个新的精度高度。他的工具？一个 1980 年代的计算机程序，称为 FORM。

偶极扩散函数 (DSF) 工程重塑了显微镜的图像，可以最大限度地提高测量偶极状发射器 3D 方向的灵敏度。

开发用于在分子和纳米尺度上分析蛋白质-蛋白质相互作用（PPI）的新方法可以深入了解细胞内信号通路，并将提高对蛋白质功能以及其他生物和非生物来源的纳米级结构的理解。