【ScienceAI Weekly】KI+Biokondensat-Startup Kündigt Entlassungen Von 15% An; Ministerium Für Wissenschaft Und Technologie Klärt Die Roten Linien Des AIGC in Der Wissenschaftlichen Forschung; iFlytek Medical Meldet Notierung an Der Hongkonger Börse An
KI für die Wissenschaft Neue Errungenschaften, neue Trends und neue Perspektiven——
* Das weltweit erste Unternehmen, das biomolekulare Kondensate zur Arzneimittelforschung einsetzt, kündigte die Streichung von 18 Stellen an
* Google DeepMind veröffentlicht AlphaGeometry
* Evaxion Biotech kündigt den Einsatz von KI zur Entwicklung maßgeschneiderter Krebsimpfstoffe an
* iFlytek Medical reicht seinen Antrag offiziell bei der Hong Kong Stock Exchange ein
* Das gemeinsame Innovationszentrum der Universität Chongqing und Baidu Intelligent Cloud wurde gegründet
Einzelheiten siehe unten~
Unternehmens-News
Google DeepMind veröffentlicht AlphaGeometry
AlphaGeometry wurde vom Google DeepMind-Team und Forschern der New York University entwickelt. Es kombiniert ein neuronales Sprachmodell mit einer symbolischen Deduktionsmaschine, um komplexe Geometrieprobleme auf einem Niveau zu lösen, das dem des Menschen nahe kommt. In einem Benchmarktest mit 30 Geometrieproblemen der Internationalen Mathematik-Olympiade (IMO) löste AlphaGeometry 25 davon in einer vorgegebenen Zeit, die vorherige SOTA-„Wu-Methode“ löste 10 und der menschliche IMO-Goldmedaillengewinner konnte durchschnittlich 25,9 Probleme lösen.
Evaxion Biotech kündigt Einsatz von KI zur Entwicklung maßgeschneiderter Krebsimpfstoffe an
Evaxion Biotech gab vor Kurzem bekannt, dass es maßgeschneiderte Krebsimpfstoffe entwickelt hat, die auf neue, durch KI identifizierte Tumorantigene (sogenannte endogene Retroviren, ERVs) abzielen. Nach der Veröffentlichung der Nachricht stieg der Aktienkurs von Evaxion stark an, und zwar um 113,431 TP3T. Evaxion wurde 2008 gegründet und ist ein Unternehmen für künstliche Intelligenz, das sich auf den Aufbau einer Plattform zur Zielerkennung spezialisiert hat. Derzeit verfügt das Unternehmen über drei auf künstlicher Intelligenz basierende Immunologieplattformen:
* PIONIER：Es kann die Neoantigen-Ziele von Patienten auf personalisierte Weise genau und effektiv identifizieren und immunogene Neoantigen-Epitope innerhalb von 24 Stunden aus DNA- und mRNA-Sequenzierungsdaten identifizieren.
* EDEN：Wird bei bakteriellen Infektionskrankheiten eingesetzt und kann schnell Antigene identifizieren, die bakterielle Infektionskrankheiten auslösen, um einen Impfstoff zu entwickeln.
* RABE: Schnelle Identifizierung von Impfstoffkandidaten gegen bestehende, neu auftretende und mutierte Viruserkrankungen bei gleichzeitiger Auslösung wirksamer B-Zell- und T-Zell-Reaktionen. Impfstoffe gegen Viruserkrankungen stehen vor der Herausforderung, dass ihre Wirksamkeit abnimmt und mutierte Viren ihnen ausweichen können.
KI + Biokondensat-Startups Taupunkttherapeutika Personalumstrukturierung
Als weltweit erstes Unternehmen, das biomolekulare Kondensate zur Arzneimittelforschung einsetzt, hat Dewpoint insgesamt 287 Millionen US-Dollar aufgebracht. Allerdings hat Dewpoint Therapeutics, gegründet 2018, bislang keine einzige Produktpipeline in die klinische Erprobung gebracht. Da die Entwicklung von Medikamenten, die auf biomolekulare Kondensate abzielen, noch in den Kinderschuhen steckt, müssen die Unternehmen viel Zeit und Energie in die biologische Validierung investieren, was auch zu langsamen Fortschritten in der klinischen Entwicklung führt. Vor nicht allzu langer Zeit kündigte das Unternehmen den Abbau von 18 Stellen an, was etwa 151 TP3B der Gesamtbelegschaft entspricht.
iFlytek Medical hat offiziell seinen Antrag auf Notierung an der Hongkonger Börse eingereicht und belegt damit den ersten Platz in Chinas medizinischer künstlicher Intelligenzbranche
Laut der Mitteilung der Hongkonger Börse vom 26. Januar hat iFlytek Medical Technology Co., Ltd. seinen Antrag auf Notierung am Hauptsegment der Hongkonger Börse eingereicht, wobei Huatai International, GF Capital (Hong Kong) und CCB International als gemeinsame Sponsoren fungieren. iFlytek Medical wurde 2016 gegründet. Der von ihm entwickelte intelligente medizinische Assistent hat die National Medical Practitioner Qualification Examination (umfassende schriftliche Prüfung) erfolgreich bestanden. Derzeit deckt der Intelligent Medical Assistant über 400 Distrikte und Landkreise in mehr als 30 Provinzen im ganzen Land ab und bietet über 740 Millionen KI-gestützte Diagnosevorschläge und über 280 Millionen Vorschläge zur Standardisierung elektronischer Patientenakten.
Das gemeinsame Innovationszentrum der Universität Chongqing und Baidu Intelligent Cloud wurde gegründet
Kürzlich unterzeichneten Baidu und die Universität Chongqing auf dem Shapingba-Campus der Universität Chongqing eine strategische Kooperationsvereinbarung und eröffneten das „Gemeinsame Innovationszentrum der Universität Chongqing-Baidu Intelligent Cloud“. Es wird berichtet, dass sich das „Gemeinsame Innovationszentrum der Universität Chongqing und Baidu Intelligent Cloud“ auf hochmoderne Schlüsselbereiche wie autonomes Fahren in den Bergen, Großmodellanwendungen und Informationssicherheit konzentriert. Die beiden Parteien werden gemeinsam eine wissenschaftliche Forschungscomputerplattform „AI For Science“ aufbauen, um die Integration von Industrie, Wissenschaft und Forschung zu vertiefen und die wechselseitige Transformation wissenschaftlicher und technologischer Errungenschaften zu fördern.
Richtlinienspezifikationen
Die Aufsichtsabteilung des Ministeriums für Wissenschaft und Technologie hat die „Richtlinien für verantwortungsvolles Forschungsverhalten (2023)“ herausgegeben.
Die „Leitlinien für verantwortungsvolles Forschungsverhalten (2023)“ schreiben im Abschnitt zur Auswahl und Durchführung von Forschungsthemen vor, dass die Bewerbungsunterlagen für Forschungsprojekte von wissenschaftlichen Forschern wahrheitsgemäß, genau und objektiv sein sollen. Die wiederholte Einreichung gleicher oder ähnlicher Forschungsinhalte ist nicht gestattet und es dürfen keine anderen Personen ohne deren Zustimmung als Mitglieder des Forschungsteams aufgeführt werden. Das Plagiieren, Kaufen, Verkaufen oder Ghostwriting der Bewerbungsunterlagen ist nicht gestattet. Ebenso ist die Verwendung generativer künstlicher Intelligenz zur direkten Erstellung von Bewerbungsunterlagen nicht gestattet. gleichzeitig,"Richtlinien” legt außerdem klar fest, dass ungeprüfte Referenzen, die durch generative künstliche Intelligenz generiert wurden, nicht direkt verwendet werden dürfen.
Tools und Ressourcen
Open Catalyst-Projekt
Das Open Catalyst Project ist eine Zusammenarbeit zwischen der Abteilung Fundamental Artificial Intelligence Research (FAIR) von Meta AI und der Fakultät für Chemieingenieurwesen (CMU) der Carnegie Mellon University. Ziel des Projekts ist es, mithilfe von KI neue Katalysatoren zu modellieren und zu entdecken, die zur Speicherung erneuerbarer Energien und zur Bekämpfung des Klimawandels eingesetzt werden können.
Um mehr Forschern die Teilnahme am Open Catalyst-Projekt zu ermöglichen, hat das Team die Datensätze Open Catalyst 2020 (OC20) und Open Catalyst 2022 (OC22) zum Trainieren von Modellen des maschinellen Lernens veröffentlicht. Der Datensatz enthält insgesamt 1,3 Millionen molekulare Relaxationen und die Ergebnisse von mehr als 260 Millionen DFT-Berechnungen. Darüber hinaus sind das Basismodell und der Code auch Open Source auf Github.
Open-Source-Adresse:
https://github.com/Open-Catalyst-Project
Materialprojekte
Ziel von Materials Projects ist es, die Eigenschaften aller anorganischen Materialien zu berechnen und die Daten sowie die zugehörigen Analysealgorithmen jedem Materialforscher kostenlos zur Verfügung zu stellen. Das ultimative Ziel des Projekts besteht darin, die für die Entwicklung neuer Materialien benötigte Zeit deutlich zu verkürzen, indem man sich auf die Verbindungen konzentriert, die rechnerisch am vielversprechendsten sind. Derzeit kann es Forschern Folgendes bieten:
* Pymatgen: Eine Open-Source-Python-Bibliothek für die Materialanalyse. Forscher können auf die Materials API zugreifen, um komplexe Materialdatensätze weiter zu analysieren.
* Kristall-Toolkit: Eine Open-Source-Webanwendungsbox zum Anzeigen gängiger Materialdatentypen wie Kristallstruktur, Bandstruktur usw., die speziell für Python-Benutzer entwickelt wurde und es Benutzern ermöglicht, vollständige Webanwendungen zu entwickeln, ohne traditionelle Webtechnologien erlernen zu müssen.
* Feuerwerk: Kostenloser Open-Source-Code, der zur automatischen Berechnung beliebiger Computerressourcen verwendet werden kann und die Ausführung von Hochdurchsatzberechnungen in großen Rechenzentren unterstützt.
* Atomat: Bietet „Rezepte“ zum Durchführen komplexer Materialberechnungen und führt mit nur wenigen Codezeilen automatisch eine Reihe miteinander verbundener komplexer Berechnungen durch.
Offizielle Website-Adresse:
https://next-gen.materialsproject.org/
Scholar Puyu 2.0: Eine neue Generation inländischer Open-Source-Großsprachenmodelle
Am 17. Januar haben das Shanghai Artificial Intelligence Laboratory und SenseTime zusammen mit der Chinesischen Universität Hongkong und der Fudan-Universität offiziell das große Sprachmodell der nächsten Generation Scholar Puyu 2.0 (InternLM2) veröffentlicht. Nach dem Training mit 2,6 Billionen Token eines hochwertigen Korpus umfasst es zwei Parameterspezifikationen von 7B und 20B sowie Basis- und Dialogversionen. In Bezug auf mathematisches Denken übertrifft das 20B-Parametermodell ChatGPT (GPT-3.5) in GSM8K- und MATH-Bewertungen.
Open-Source-Adresse:
https://github.com/InternLM/InternLM
Pu Ke Chemical: Großes Open-Source-Wissenschaftsmodell
Am 26. Januar veröffentlichte das Shanghai Artificial Intelligence Laboratory sein erstes Open-Source-Großmodell für wissenschaftliche Forschung, ChemLLM. Durch die Einspeisung riesiger Mengen an Fachdaten aus der Chemie hat das große Modell das Wissen und die Fähigkeiten erworben, um chemiebezogene Fachaufgaben zu verstehen und zu bewältigen. Gleichzeitig stellten die Forscher fest, dass sich mit dem Erwerb der chemischen Fähigkeiten auch die mathematischen und naturwissenschaftlichen Fähigkeiten sowie die Denkfähigkeiten des großen Modells verbesserten.
Open-Source-Adresse:
https://huggingface.co/AI4Chem/ChemLLM-7B-Chat
Forschungsergebnisse
AMIE: Ein groß angelegtes diagnostisches Dialogmodell basierend auf Selbstspiel
Auf dem Weg zu einer dialogorientierten diagnostischen KI
* Quelle: arXiv
* Bereich: Gesundheitswesen
* Autor: Google Research und Google DeepMind
AMIE (Articulate Medical Intelligence Explorer) verwendet eine neuartige, auf Selbstspiel basierende Simulationsumgebung mit einem automatischen Feedback-Mechanismus, um das Lernen auf verschiedene Krankheitszustände, Fachgebiete und Kontexte auszuweiten. Die Forscher verglichen die Leistung von AMIE mit der von Allgemeinmedizinern. Die Spezialisten beurteilten AMIE als diagnostisch genauer und schnitten bei 28 der 32 Indikatoren besser ab.
Lesen Sie den Originalartikel:
https://arxiv.org/abs/2401.05654
* Quelle: bioRiv
* Fachgebiet: Biomedizin
* Autor: Forschungsteam der University of California
Die Forscher testeten das unverfeinerte AF2-Modell prospektiv und verglichen die Trefferquoten und Affinitäten großer Bibliotheken, die an das AF2-Modell angedockt waren und dieselben Screening-Ergebnisse gegenüber derselben experimentellen Rezeptorstruktur aufwiesen. Nachdem die Forscher das AF2-Modell an den 5-HT2A-Rezeptor gekoppelt hatten, entdeckten sie die Kryo-EM-Struktur eines wirksameren und selektiveren Liganden. Unsere Ergebnisse zeigen, dass das AF2-Modell Konformationen abtasten kann, die für die Ligandenentdeckung relevant sind, wodurch die Anwendbarkeit der strukturbasierten Ligandenentdeckung erheblich erweitert wird.
Lesen Sie den Originalartikel:
https://www.biorxiv.org/content/10.1101/2023.12.20.572662v1
OptADMET: zur Verbesserung der ADMET-Eigenschaften von Leitsubstanzen
OptADMET: ein webbasiertes Tool für Substrukturmodifikationen zur Verbesserung der ADMET-Eigenschaften von Leitverbindungen
* Quelle: Nature Protocols
* Fachgebiet: Biomedizin
* Autor: Zhejiang-Universität und Xiangya School of Pharmacy, Central South University
OptADMET ist eine integrierte Online-Plattform, die chemische Transformationsregeln für 32 ADMET-Eigenschaften (Absorption, Verteilung, Stoffwechsel, Ausscheidung und Toxizität) bereitstellt und frühere experimentelle Daten zur Leitoptimierung verwendet. Gleichzeitig kann OptADMET auch ADMET-Spektren aller optimierten Moleküle im Abfragemolekül bereitstellen, wodurch die ideale Substrukturtransformation vorhergesagt und anschließend eine Überprüfung der Kandidatenmedikamente durchgeführt werden kann.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s41596-023-00942-4
Interpretierbare Modelle basierend auf Graphenlernen
Ein interpretierbares Modell basierend auf Graphenlernen zur Diagnose der Parkinson-Krankheit mit sprachbezogenem EEG
* Quelle: npj Digital Medicine
* Bereich: Gesundheitswesen
* Autor: Shenzhen Institutes of Advanced Technology, Chinesische Akademie der Wissenschaften und das erste angeschlossene Krankenhaus der Sun Yat-sen-Universität
Unter Verwendung der abnormalen EEG-Merkmale von Sprach- und Motorikaufgaben bei der Parkinson-Krankheit schlugen die Forscher ein interpretierbares Graph-Signalverarbeitungs-Graph-Convolutional-Network-Modell (GSP-GCNs) vor. Durch die Verwendung der EEG-Daten der Aufgabe zur Regulierung der Grundfrequenz der Sprache und die Ermittlung der neuronalen Marker des großflächigen funktionellen Gehirnnetzwerks von Parkinson-Patienten gelang ihnen eine hochpräzise intelligente Diagnose der Parkinson-Krankheit.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s41746-023-00983-9
Maschinelles Lernmodell basierend auf dem XGBoost-Algorithmus: zum Screening von P-SOC-Luftelektroden
Maschinell-lerngestütztes Screening protonenleitender Oxide auf Co/Fe-Basis für die Luftelektrode einer protonischen Festoxidzelle
* Quelle: Advanced Functional Materials
* Fachgebiet: Materialchemie
* Autor: Universität Guangzhou
Auf der Grundlage des XGBoost-Maschinenlernmodells untersuchte das Forschungsteam P-SOC-Luftelektroden mit der Elementstruktur als Eingabe und filterte auf Grundlage von Vorhersageergebnissen des Maschinenlernens und Dichtefunktionaltheorie-Berechnungen (DFT) erfolgreich ein hocheffizientes Luftelektrodenmaterial LCN91 für P-SOCs heraus, dessen Aktivierungsenergie mit der bekannter Luftelektroden vergleichbar ist.
Lesen Sie den Originalartikel:
https://onlinelibrary.wiley.com/doi/10.1002/adfm.202309855
Kommende Veranstaltungen
Die 23. Bio-IT World wird am 15. April eröffnet
Die Bio-IT World findet vom 15. bis 17. April 2024 in Boston statt. Unter den zehn Sitzungen, die aus Dutzenden von Konferenzen bestehen, konzentrieren sich drei Sitzungen auf künstliche Intelligenz, darunter generative künstliche Intelligenz, künstliche Intelligenz für die Arzneimittelforschung und -entwicklung sowie künstliche Intelligenz für die Onkologie, Präzisionsmedizin usw.
Darunter waren auch sechs ausführliche Seminare zu den Themen FAIR-Daten, Wissensgraphen, Quantencomputing, Automatisierung, digitale Labore und Robotik, digitale Biopharmazeutika sowie digitale Upgrades der klinischen Entwicklung und klinischer Studien. Die Themen der neun Workshops vor der Konferenz waren Generative KI, Datenwissenschaft, Technologien und Prozesse des semantischen Managements, Große Sprachmodelle und ihre praktischen Anwendungen bei Novartis, Digitalisierung der pharmazeutischen Forschung und Entwicklung, biomedizinische digitale Zwillinge usw.
Registrierungslink:
https://www.bio-itworldexpo.com/
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“.