【ScienceAI Weekly】Das Von DeepMind Abgespaltene KI-Pharmaunternehmen Erzielt Eine Neue Vereinbarung Im Wert Von 3 Milliarden US-Dollar; ByteDance Rekrutiert Berichten Zufolge in Den USA Talente in Den Bereichen Biologie, Chemie Und Physik
Neue Errungenschaften, neue Entwicklungen und neue Perspektiven der KI für die Wissenschaft——* Aus DeepMind ausgegliedertes KI-Pharmaunternehmen erreicht erste Pharmakooperation im Wert von 3 Milliarden US-Dollar. * Microsoft unterstützt Forscher bei der Entdeckung von 32 Millionen neuen Batteriematerialien. * TikTok sucht Berichten zufolge in den gesamten USA nach Talenten in den Bereichen Computerbiologie, Quantenchemie, Molekulardynamik und Physik. * iFlytek plant, sein Medizingeschäft auszugliedern und an der Hauptbörse der Hongkonger Börse zu notieren. * Magnesium Chemical schließt Serie-A-Finanzierung in Höhe von 26 Millionen US-Dollar ab. * Die Fachzeitschrift Science nutzt KI-Tools, um gefälschte Bilder in Zeitschriften zu erkennen.
Einzelheiten siehe unten~
Unternehmens-News
Aus DeepMind ausgegliedertes KI-Pharmaunternehmen geht erste Pharmapartnerschaft ein
Am 8. Januar gab Isomorphic Labs, ein KI-Pharmaunternehmen von Alphabet, bekannt, dass es mit Eli Lilly und Novartis zwei Vereinbarungen zur Arzneimittelforschung und -entwicklung im Wert von 3 Milliarden US-Dollar getroffen habe. Die Zusammenarbeit umfasst die Entwicklung von Behandlungen für mehrere krankheitsbezogene Proteine und Signalwege. Isomorphic Labs wurde im November 2021 gegründet und ist eine Ausgliederung aus Googles DeepMind mit Schwerpunkt auf dem Bereich der KI-Medizin. Das Unternehmen nutzte die Errungenschaften von DeepMind in der biomedizinischen Forschung, insbesondere sein Proteinstrukturvorhersagemodell AlphaFold, für die Arzneimittelentwicklung.
Microsoft unterstützt Forscher bei der Entdeckung von 32 Millionen neuen Batteriematerialien
Berichten zufolge nutzte das Pacific Northwest National Laboratory den Azure Quantum Elements-Dienst von Microsoft, um 32 Millionen potenzielle neue Batteriematerialien schnell zu bewerten. Das US-Energieministerium entdeckte nach 80 Stunden Nutzung des Dienstes 18 vielversprechende Kandidatenmaterialien, was mit herkömmlichen Forschungsmethoden möglicherweise Jahrzehnte gedauert hätte. Der britische Chemiehersteller Johnson Matthey nutzt den Service, um die Forschung und Entwicklung von Wasserstoff-Brennstoffzellen zu beschleunigen.
TikTok rekrutiert Berichten zufolge in den gesamten Vereinigten Staaten Talente in den Bereichen Computerbiologie, Quantenchemie, Molekulardynamik und Physik
Berichten zufolge sucht TikToks Muttergesellschaft ByteDance nach Talenten in den Bereichen Computerbiologie, Quantenchemie, Molekulardynamik und Physik für ihre KI-Arzneimittelentwicklungs- und KI-Wissenschaftsteams. Berichten zufolge besetzt ByteDance mindestens 17 entsprechende Positionen in New York, Kalifornien und im Bundesstaat Washington.
iFlytek plant, sein Medizingeschäft auszugliedern und an der Hauptbörse der Hongkonger Börse zu notieren
Am Abend des 9. Januar gab iFLYTEK bekannt, dass das Unternehmen plant, seine kontrollierende Tochtergesellschaft iFLYTEK Medical auszugliedern und an der Hauptbörse der Hongkonger Börse notieren zu lassen. Der Umfang des aktuellen Angebots von iFlytek Medical wird nach der Emission 15% des gesamten Aktienkapitals nicht überschreiten. Nach Abschluss der Abspaltung wird iFLYTEK weiterhin die Kontrolle über iFLYTEK Medical behalten.
iFlytek Medical wurde im Mai 2016 gegründet und hat ein medizinisches Lösungssystem mit künstlicher Intelligenz entwickelt, das auf weltweit führenden Kerntechnologien wie medizinischem semantischem Computing, Textverständnis, Wissensschlussfolgerung und Data Mining basiert. Es zielt auf die umfassenden Bedürfnisse von Praktikern im medizinischen Bereich ab, beispielsweise in medizinischen Einrichtungen, Krankenhäusern, Patienten und Assistenzärzten, und deckt den gesamten medizinischen Prozess ab, von der Krankheitswarnung, Früherkennung, Diagnose, Behandlung und Wirksamkeitsbewertung bis hin zur Nachdiagnose und Behandlung chronischer Krankheiten.
Magnesium Chemical schließt Serie-A-Finanzierung in Höhe von 26 Millionen USD ab
Shanghai Meirui Technology Co., Ltd. hat vor Kurzem eine Finanzierungsrunde der Serie A in Höhe von 26 Millionen US-Dollar abgeschlossen, die gemeinsam von Qiming Venture Partners und LYFE Capital geleitet und von Sinovation Ventures und Mega Technology gefolgt wurde. Die Finanzierungsmittel werden verwendet, um die Produktforschung und -entwicklung weiter zu verbessern, kommerzielle Märkte zu erweitern und die internationale Ausrichtung zu unterstützen.
Magnesium Chemical wurde im Januar 2022 gegründet, von Mega inkubiert und schloss eine Angel-Runde-Investition ab. Das Unternehmen wurde von einem Team mit internationalem, interdisziplinärem Hintergrund gegründet. Das Unternehmen setzt sich dafür ein, automatisierte und intelligente Plattformen zu nutzen, um Kunden aus der Erforschung und Entwicklung neuer Arzneimittel eine neue Generation von CRO-Diensten für die chemische Synthese bereitzustellen, den Lieferzyklus der chemischen Synthese im Forschungs- und Entwicklungszyklus neuer Arzneimittel deutlich zu verkürzen und die mit der chemischen Synthese verbundenen Kosten deutlich zu senken. Auf diese Weise wird die derzeitige Situation beseitigt, in der die chemische Synthese von Arzneimitteln in hohem Maße von manuellen Vorgängen abhängig ist.
Die Fachzeitschrift „Science“ nutzt KI-Tools, um gefälschte Bilder in Zeitschriften zu erkennen
Science hat die Proofig-Plattform eingeführt und führt seit mehreren Monaten Tests durch. Dabei gibt es klare Beweise dafür, dass problematische Daten, wie etwa manipulierte Bilder, um die Leser in die Irre zu führen, erkannt werden können, bevor ein Artikel veröffentlicht wird. Darüber hinaus verwendet Science dieses Erkennungstool auch zusammen mit einer Textplagiatserkennungssoftware, um die manuelle Überprüfung zu ersetzen.
Tools und Ressourcen
Huawei und die Universität Hongkong eröffnen Open-Source-geometrisches mathematisches Modell G-LLaVA
Derzeit sind große multimodale Sprachmodelle noch nicht in der Lage, die Grundelemente und ihre Beziehungen in geometrischen Figuren genau zu analysieren. Um dieses Problem zu lösen, haben das Huawei Noah's Ark Laboratory, die Universität Hongkong und die Hong Kong University of Science and Technology gemeinsam das professionelle geometrische Mathematikmodell G-LLaVA als Open Source veröffentlicht. Um die Leistung von G-LLaVA zu testen, führten die Forscher eine eingehende Evaluierung mit anderen großen Modellen auf der bekannten mathematischen Testplattform MathVista durch. Die Ergebnisse zeigen, dass die Leistung von G-LLaVA die von Modellen wie GPT-4-V, LLaVA1.5 und MiniGPT-4 übertrifft.
Open-Source-Adresse:
https://github.com/pipilurj/G-LLaVA
Papieradresse:
https://arxiv.org/abs/2312.11370
Shanghai AI Laboratory Open Source Medizinische Modellgruppe „Puyi 2.0“
Kürzlich haben das Shanghai AI Laboratory und Partner wie das Ruijin Hospital der Shanghai Jiao Tong University School of Medicine gemeinsam die medizinische multimodale Basismodellgruppe „OpenMEDLab2.0“ veröffentlicht. Damit wird die zentrale Open Source für „Produktion, Lernen, Forschung, Anwendung und Auswertung“ der medizinischen Großmodellgruppe realisiert, mit dem Ziel, leistungsfähige Unterstützung für „domänen-, krankheits- und modalitätsübergreifende“ KI-medizinische Anwendungen bereitzustellen.
Open-Source-Adresse:
github.com/OpenMEDLab
Chinas erster medizinischer Fachdatensatz RJUA-QA ist jetzt Open Source
Ant Group und das Urologie-Expertenteam des Shanghai Renji Hospital haben gemeinsam den ersten chinesischen medizinischen Fachdatensatz RJUA-QA zum Beantworten von Fragen und Antworten entwickelt und auf den Markt gebracht, indem sie simulierte Falldaten auf der Grundlage der klinischen Erfahrung des Ärzteteams erstellt haben. Der Datensatz besteht aus drei Teilen: Training, Validierung und Testen und enthält 2.132 QA-Frage-Antwort-Paare. Der Kontext stammt aus den chinesischen Richtlinien für die Diagnose und Behandlung urologischer und andrologischer Erkrankungen. Die Krankheitstypen decken mehr als 97,61 TP3T der urologischen Bevölkerung ab und können die Diagnose- und Behandlungsszenarien wirklichkeitsgetreu nachbilden.
Datensatzadresse:
http://openkg.cn/dataset/rjua-qadatasets
paperai: Engine zur Recherche und Überprüfung medizinischer/wissenschaftlicher Literatur
paperai ist eine KI-gestützte Engine zur Literaturrecherche und -überprüfung medizinischer/wissenschaftlicher Artikel. Das Tool führt eine Abfrage aus, um Artikel herauszufiltern, die bestimmte Kriterien erfüllen, und führt eine Berichtsfunktion basierend auf der Frage-Antwort-Extraktionstechnologie aus, um Antworten auf Schlüsselfragen aus einer Reihe medizinischer/wissenschaftlicher Artikel zu finden. paperai wurde zur Analyse des COVID-19 Open Research Dataset (CORD-19) verwendet und gewann mehrere Preise bei der CORD-19 Kaggle Challenge.
Werkzeugadresse:
https://paperpal.com/paperpal-for-researchers
DeepKE: Open-Source-Tool zur Extraktion chinesischer Wissensgraphen der Zhejiang-Universität basierend auf Deep Learning
DeepKE ist ein Open Source- und skalierbares Tool zur Extraktion von Wissensgraphen, das herkömmliche Szenarien mit vollständiger Überwachung, wenigen ressourcenschonenden Beispielen und auf Dokumentebene unterstützt und verschiedene Aufgaben zur Informationsextraktion abdeckt, darunter die Erkennung benannter Entitäten sowie die Extraktion von Beziehungen und Attributen. Durch ein einheitliches Framework ermöglicht DeepKE Entwicklern und Forschern, Datensätze und Modelle anzupassen und Informationen aus unstrukturiertem Text entsprechend ihren Anforderungen zu extrahieren.
Werkzeugadresse:
http://openkg.cn/tool/deepke
ResGen: Ein 3D-Molekülgenerationsmodell basierend auf der Proteintaschenwahrnehmung
Ein Forschungsteam der Zhejiang-Universität und des Zhijiang-Labors hat ein 3D-Modell zur Molekülgenerierung auf der Grundlage von Proteintaschen vorgeschlagen – ResGen, das zum Entwerfen organischer Moleküle innerhalb eines bestimmten Ziels verwendet wird. ResGen ist rechnerisch effizienter, etwa achtmal schneller als die derzeit beste Technologie und weist eine höhere Erfolgsquote bei der Erzeugung neuer Moleküle auf als die derzeit besten Methoden.
Open-Source-Adresse:
https://github.com/HaotianZhangAI4Science/ResGen
Forschungsergebnisse
Generative KI erzeugt neue chemische Reaktionen in 6 Sekunden
Präzise Erzeugung von Übergangszuständen mit einem objektorientierten äquivarianten Elementarreaktionsdiffusionsmodell
* Quelle: Nature Computational Science
* Fachgebiet: Chemie, Maschinelles Lernen
* Autor: MIT-Team
Forscher haben eine alternative Methode auf Basis maschinellen Lernens entwickelt, mit der sich Übergangszustände chemischer Reaktionen in Sekundenschnelle erkennen lassen. Das neue Modell kann Chemiker bei der Erforschung und Entwicklung neuer Reaktionen und Katalysatoren unterstützen, mit denen nützliche Produkte mit hohem Mehrwert wie etwa Kraftstoffverbindungen oder Medikamente erzeugt werden können. Darüber hinaus ist das Modell in der Lage, natürlich vorkommende chemische Reaktionen zu simulieren.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s43588-023-00563-7
Schnelles Klassifizierungsmodell für ausrangierte Batterien basierend auf föderiertem Lernen
Kollaborative und datenschutzkonforme Sortierung ausgedienter Batterien für profitables Direktrecycling mittels föderiertem maschinellem Lernen
* Quelle: Nature Communications
* Fachgebiet: Kommunikationswissenschaft, Maschinelles Lernen
* Autor: Zhang Xuan und Zhou Guangmin von der Tsinghua University Shenzhen International Graduate School
Das Forschungsteam entwickelte ein schnelles Klassifizierungsmodell für ausrangierte Batterien auf Basis von föderiertem Lernen, das eine genaue Klassifizierung der positiven Elektrodenmaterialien aus ausrangierten Batterien mit nur wenigen Feldtestinformationen ermöglicht, ohne dass historische Betriebsdaten erforderlich sind.
Lesen Sie den Originalartikel:
https://doi.org/10.1038/s41467-023-43883-y
UniKP: ein einheitlicher Rahmen zur Vorhersage enzymkinetischer Parameter
UniKP: ein einheitlicher Rahmen für die Vorhersage enzymkinetischer Parameter
* Quelle: Nature Communications
* Fachgebiet: Biotechnologie, Sprachmodellierung
* Autor: Team der Chinesischen Akademie der Wissenschaften
Die Forscher entwickelten ein Framework zur Vorhersage enzymkinetischer Parameter (UniKP) auf Grundlage eines vorab trainierten großen Sprachmodells und eines Modells für maschinelles Lernen. Dieses Framework kann eine Vielzahl unterschiedlicher enzymkinetischer Parameter vorhersagen, indem es lediglich die Aminosäuresequenz eines bestimmten Enzyms und die Strukturinformationen seines Substrats verwendet.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s41467-023-44113-1
DeepProSite: Identifizierung von Proteinbindungsstellen
DeepProSite: Strukturbewusste Vorhersage von Proteinbindungsstellen mithilfe von ESMFold und einem vortrainierten Sprachmodell
* Quelle: Bioinformatik
* Fachgebiet: Biomedizin, Sprachmodell
* Autor: Team der Shanghai Jiao Tong University und der Sun Yat-sen University
DeepProSite verwendet Proteinstruktur- und Sequenzinformationen, um Proteinbindungsstellen zu identifizieren. Es generiert Proteinstrukturen aus ESMFold und Sequenzdarstellungen aus einem vortrainierten Sprachmodell und verwendet Graph Transformer, um Bindungsstellenvorhersagen als Graphknotenklassifizierungen zu formulieren.
Lesen Sie den Originalartikel:
https://academic.oup.com/bioinformatics/article/39/12/btad718/7453375
Kommende Veranstaltungen
ALCF-Schulung: Supercomputer-Grundlagen zur Förderung von KI für die Forschung
„Einführung in die KI-gestützte Wissenschaft auf Supercomputern“ wird von der Argonne Leadership Computing Facility (ALCF) veranstaltet und ist eine Reihe kostenloser Online-Veranstaltungen, die in zwei Teile gegliedert sind: Vorlesungen und praktische Übungen. Die Kurseinstellungen sind:
* Woche 1: Einführung in Supercomputer
* Woche 2: Einführung in neuronale Netzwerke
* Woche 3: Weitere Erforschung neuronaler Netzwerke
* Woche 4: Einführung in große Sprachmodelle
* Woche 5: Einbettung und Tokenisierung großer Sprachmodelle
* Woche 6: Parallele Trainingsmethoden für KI
Registrierungslink:
https://www.alcf.anl.gov/alcf-ai-science-training-series?ct=t(EVT-ALCFINTROTOAI_01092024)
Das Obige ist der gesamte Inhalt, den "Science AI Weekly" teilen möchte ~
Wenn Sie über die neuesten Forschungsergebnisse, Informationen aus erster Hand über Unternehmen usw. zum Thema KI für die Wissenschaft verfügen, hinterlassen Sie bitte eine Nachricht, um die Informationen „offenzulegen“.