IT思维

科学家和机构每年都投入非常多的资源来发现新材料，以期为燃料提供催化剂。

大数据时代，AI 技术在复杂对象的特征表征、多模态融合、样本自动生成等问题中表现出独特的优势，为合成生物学的应用插上了腾飞的翅膀。

数据集为 AI 模型提供燃料，例如汽油（或电力）为汽车提供燃料。

你知道地球的大气是由什么组成的吗？

耐药细菌的出现需要新抗生素的发现。然而，几十年来，传统的发现策略并没有产生新的抗生素种类。

「了解大脑的所有复杂性需要从多个尺度——从基因组学、细胞和突触到整个器官水平的洞察力。这意味着处理大量数据，超级计算正在成为解决大脑问题的不可或缺的工具。」

因此，许多神经科学家开始将大脑视为「预测机器」。

在这里，法国国家科学研究中心（CNRS）和艾克斯－马赛大学（Aix-Marseille University）的研究人员确定了感染葡萄酒细菌 Oenococcus oeni 的两种溶解性 siphophage OE33PA 和 Vinitor162 的粘附装置的结构和拓扑结构。这些噬菌体具有不同组成和形态的粘附装置，并且可能使用不同的感染机制。

今天，生物医学研究人员可以通过使用机器学习进行基于图像的分析，有效地对显微镜图像中的数千个细胞进行分类。

得益于空军科学研究办公室的195 万美元赠款，马萨诸塞大学阿默斯特分校数学和统计系教授 Markos Katsoulakis 和 Luc Rey-Bellet，以及布朗大学的 Paul Dupuis 将在接下来的四年开发一种新的机器学习方法，超越对大数据的传统依赖。

Bülent Kızıltan 博士既是一名科学家也是一位企业高管，他通过将创业思维与卓越科学相结合从而推动创新。目前，他在诺华负责因果分析和预测分析的创新工作。以下是他关于药物发现中的数据科学、预测分析和人工智能的访谈内容。

机器学习正在重塑许多科学和工程领域的研究方法。

杜氏肌营养不良症（Duchenne muscular dystrophy，DMD）是一种由肌营养不良蛋白基因突变引起的肌肉萎缩性遗传疾病。

原子的 3D 构型决定了材料的属性。

来自美国莫格里奇研究所的 Timothy Grant 发表观点文章，评论《Nature Methods》上的两项蛋白质分子动力学方面的研究，并表示新的计算方法从冷冻电镜图像中捕获分子运动，并提供对蛋白质动力学的更完整理解。

化学元素几乎构成了物理世界中的一切。

当程序员需要为较大的文件或数据块创建较短的代理时，他们通常会使用于哈希函数（hash functions）。

高性能人工智能 (AI) 计算的先驱 Cerebras 和生物技术平台公司 Peptilogics，近日宣布了一项合作，将通过人工智能加速肽疗法的开发周期。

化学反应是将反应物转化为一种或多种产物的过程。

多年前，AI 领域曾发生过一件荒唐而有趣的事情。

美国和意大利的一个研究小组开发了一种新的基于反铁磁体的存储设备，有望带来更快、更强大的 AI 系统。

中国的研究人员正在积极的探索以AI技术为基础的新药发现新范式。

该综述以「Nanotechnology and artificial intelligence to enable sustainable and precision agriculture」为题，于2021年6月24日发布在《自然植物》（Nature Plants ）杂志。

研究机器学习，既要数据拟合，也要能解释数据。

原子层沉积 (Atomic layer deposition，ALD) 是一种高度可控的薄膜合成工艺，可制造出只有一个原子厚的薄膜。广泛应用于计算机芯片、太阳能电池、锂电池等领域。很多企业常用 ALD 来制造半导体器件。ALD 的灵活性和多样性给确定工艺参数带来了重大挑战，但仍需要专家的直觉和耗时的反复试验来确定最佳工艺参数。