IT思维

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。

作为 HBP 的一部分，法国艾克斯-马赛大学（Aix-Marseille Université，AMU）的研究人员开发了整合患者测量数据的计算大脑建模技术。

通过在阿贡的 Theta 超级计算机上进行的模拟，该团队创建了一个包含 20,000 个结构的数据库，用于氧与掺杂碳化钼的结合能。他们的模拟考虑了几十种掺杂元素和催化剂表面每种掺杂元素的一百多个可能位置。Theta 是阿贡领导计算设施、美国能源部科学用户设施办公室的一部分。

在这里，Meta AI 团队和纽约大学的研究人员展示了，使用大型语言模型从主序列直接推断结构，可以在高分辨率结构预测中实现一个数量级的加速。

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」。

恒星是由分子气体和尘埃在太空中聚结而成。这些分子气体非常稀薄和寒冷，人眼看不见，但它们确实会发出微弱的无线电波，可以用射电望远镜观察到。

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。

低温电子断层扫描可捕获有关细胞和组织分子成分的大量结构信息。

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。

自 2022 年 11 月公开发布以来，ChatGPT 引起了全世界的关注，在全球数百万用户面前展示了人工智能的非凡潜力。

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。

人工智能已经将蛋白质工程研究的时间缩短了数年。

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。

全局机器学习力场（MLFF）能够捕捉分子系统中的集体相互作用，由于模型复杂性随系统规模显著增长，现在可以扩展到几十个原子。

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。

「这是一个漂亮的理论结果。」Aaronson 说，同时强调新算法对于模拟像谷歌这样的真实实验实际上没有用。

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。

化合物效力预测是机器学习在药物发现中的一种流行应用，为此使用了越来越复杂的模型。

深度学习已经能够成功预测 DNA 序列的表观基因组图谱。

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。