【ScienceAI Weekly】 Machen Sie in Aller Stille Ein Vermögen! Das Medizingeschäft Von Nvidia Erwirtschaftet Einen Umsatz Von 1 Milliarde Dollar; Musk: Das Erste Menschliche Subjekt Mit Gehirnchip Könnte Sich Erholt Haben
KI für die Wissenschaft Neue Errungenschaften, neue Trends und neue Perspektiven——
* Nvidias Gesundheitsgeschäft erwirtschaftet im Geschäftsjahr 2024 einen Umsatz von über 1 Milliarde US-Dollar
* Bioptimus erhält 35 Millionen US-Dollar in einer Seed-Finanzierungsrunde
* Neuralinks erstes menschliches Subjekt könnte sich erholt haben
* WIVI Vision erhält 4 Millionen Euro Finanzierung
* Yili Chuan Ning Biotechnology Co., Ltd. und Shanghai Jinyu Technology Co., Ltd. haben eine Kooperation vereinbart
* Das Ministerium für Wissenschaft und Technologie hat die ersten „Ethischen Richtlinien für die Gehirn-Computer-Schnittstellenforschung“ meines Landes herausgegeben.
Einzelheiten siehe unten~
Unternehmens-News
Nvidias Gesundheitsgeschäft erwirtschaftet im Geschäftsjahr 2024 einen Umsatz von über 1 Milliarde US-Dollar
Berichten zufolge erwirtschaftete das Gesundheitsgeschäft von Nvidia im Geschäftsjahr 2024 einen Umsatz von über 1 Milliarde US-Dollar und lag damit zwei bis drei Jahre vor dem Ziel. Derzeit verfügt NVIDIA über mehr als zehn generative KI-Modelle, darunter Tools zur Modellierung kleiner Moleküle, das OpenFold-Proteinvorhersagemodell und das mit Recursion entwickelte Phenom-Beta-Modell für die Ziel- und Arzneimittelentdeckung. Im Jahr 2023 investierte NVIDIA in 9 KI-Pharmaunternehmen, nämlich Charm Therapeutics, Recursion Pharmaceuticals, Genesis Therapeutics, Superluminal Medicines, Inceptive, Generate Biomedicines, Evozyne, Iambic Therapeutics und Erray Therapeutics.
Bioptimus sichert sich 35 Millionen US-Dollar Startkapital
Kürzlich erhielt das französische Startup Bioptimus 35 Millionen US-Dollar in einer Seed-Finanzierungsrunde unter der Leitung von Sofinnova Partners und Bpifrance Large Venture.Cathay Innovation Auch andere Unternehmen, darunter Headline, tätigten Folgeinvestitionen. Die Hauptmitglieder des Bioptimus-Teams sind ehemalige Führungskräfte von Google DeepMind und dem französischen Unternehmen für künstliche Intelligenz Owkin. Ihr Ziel ist es, das erste allgemeine Basismodell für künstliche Intelligenz im Bereich der Biologie zu entwickeln, wissenschaftliche Durchbrüche zu fördern und Innovationen in der Biomedizin und anderen Bereichen zu beschleunigen.
Neuralinks erstes menschliches Testobjekt könnte sich erholt haben
Am 20. Februar Ortszeit sagte Tesla-Chef Elon Musk, dass sich der erste Mensch, dem ein Neuralink-Gehirnchip implantiert worden sei, „vollständig erholt zu haben scheint, ohne dass uns bekannte Nebenwirkungen aufgetreten wären, und dass der Proband die Maus auf dem Computerbildschirm einfach durch Denken bewegen kann.“
Das 2016 von Musk gegründete Unternehmen hat es sich zur Aufgabe gemacht, Gehirn-Computer-Schnittstellen zur Behandlung verschiedener Gehirnerkrankungen zu entwickeln und eine ganzheitliche Gehirnschnittstelle zu schaffen, die biologische und künstliche Intelligenz enger miteinander verbinden kann. Im vergangenen Mai gab Neuralink bekannt, dass seine erste klinische Studie am Menschen von der US-amerikanischen Food and Drug Administration (FDA) genehmigt worden sei. Im September letzten Jahres gab Neuralink bekannt, dass es in diesem Jahr den ersten Test einer Gehirn-Computer-Schnittstelle am Menschen durchführen werde.
WIVI Vision erhält 4 Millionen Euro Förderung
Das spanische Unternehmen Vision hat eine Finanzierung in Höhe von 4 Millionen Euro erhalten. Angeführt wurde diese Finanzierungsrunde von Adara Ventures leitete die Runde mit Beteiligung von Hearstlab, Avançsa, Caixabank DayOne und BBVA Spark. Mit den Mitteln will das Unternehmen seine nationale und internationale Entwicklung vorantreiben, den Teamausbau beschleunigen und die Entwicklung neuer Technologien unterstützen.
WIVI Vision ist ein im Jahr 2016 gegründeter Anbieter von Sehtherapie-Dienstleistungen. Das Unternehmen nutzt Big Data und künstliche Intelligenz (KI), um festzustellen, ob jemand an einer Sehstörung leidet, die Sehkraft der Patienten zu verbessern und Sehtherapie-Lösungen auf der Grundlage personalisierter 3D-Trainingsprogramme anzubieten.
Yili Chuan Ning Biotechnology Co., Ltd. und Shanghai Jinyu Technology Co., Ltd. haben eine Kooperation vereinbart
Am 22. Februar gaben Yili Chuan Ning Biotechnology Co., Ltd. und Shanghai Jinyun Technology Co., Ltd. eine Partnerschaft bekannt. Die beiden Parteien werden ihre jeweiligen Vorteile in den jeweiligen Bereichen voll ausspielen, verschiedene Ressourcen integrieren und bei der Optimierung und Modernisierung der Antibiotika-Zwischenfermentationsindustrie von Chuan Ning Bio, der Nutzung von KI zur Unterstützung der Forschung und Entwicklung im Bereich der synthetischen Biologie sowie der gemeinsamen Entwicklung neuer Produkte zusammenarbeiten. Durch die Kombination künstlicher Intelligenz mit den bestehenden Industrien von Chuan Ning Bio werden die beiden Parteien so schnell wie möglich eine neue Qualitätsproduktivität schaffen, um die Produktionsmethoden und die Produktionseffizienz von Chuan Ning Bio umfassend zu verbessern.
Richtlinienspezifikationen
Das Ministerium für Wissenschaft und Technologie hat die ersten „Ethischen Richtlinien für die Gehirn-Computer-Schnittstellenforschung“ meines Landes herausgegeben.
Im Februar 2024 veröffentlichte das Ministerium für Wissenschaft und Technologie die ersten „Ethischen Richtlinien für die Forschung zu Gehirn-Computer-Schnittstellen“ meines Landes. Darin heißt es klar, dass wir bei der Durchführung von Forschung zu Gehirn-Computer-Schnittstellen sicherstellen sollten, dass die Forschung einen gesellschaftlichen Wert hat, sich auf restaurative Gehirn-Computer-Schnittstellentechnologie konzentrieren und den Schwerpunkt darauf legen sollten, durch technologische Entwicklung den Gesundheitsbedürfnissen der Öffentlichkeit gerecht zu werden. Verbesserte Gehirn-Computer-Schnittstellentechnologien wie Aufmerksamkeitsregulierung, Schlafregulierung, Gedächtnisregulierung, Exoskelette usw. für nicht-medizinische Zwecke sollten unter der Prämisse strenger Vorschriften und klarer Vorteile bis zu einem gewissen Grad zur Erforschung und Entwicklung gefördert werden. 《Richtlinien》 klärt auch Fragen wie den Zweck der Verwendung von Gehirn-Computer-Schnittstellen und den Schutz der Privatsphäre der Probanden.
Die vollständige Spezifikation finden Sie unter:
https://www.most.gov.cn/kjbgz/202402/t20240202_189582.html
Tools und Ressourcen
BLAST (Basic Local Alignment Search Tool): Suchwerkzeug für die Sequenzausrichtung von Biomakromolekülen
BLAST kann Bereiche lokaler Ähnlichkeit zwischen biologischen Sequenzen finden, Nukleotid- oder Proteinsequenzen mit Sequenzdatenbanken vergleichen und die statistische Signifikanz berechnen, die zum Ableiten funktionaler und evolutionärer Beziehungen zwischen Sequenzen und zur Identifizierung von Genfamilienmitgliedern verwendet werden kann.
Open-Source-Adresse:
https://blast.ncbi.nlm.nih.gov/Blast.cgi
TheAlgorithms/C-Plus-Plus: Algorithmensammlung
TheAlgorithms/C-Plus-Plus ist eine Sammlung verschiedener Algorithmen aus den Bereichen Mathematik, maschinelles Lernen, Informatik und Physik, die in C++ implementiert sind.
Ressourcenadresse:
https://github.com/TheAlgorithms/C-Plus-Plus
NIMS-OS: Automatische Materialerkennung
NIMS-OS (NIMS Orchestration System) ist eine Python-Bibliothek, die eine automatische Materialerkennung ohne menschliches Eingreifen ermöglicht. Das NIMS Automated Robotic Electrochemical Experiment (NAREE)-System kann für Roboterexperimente verwendet werden und bietet außerdem ein Ergebnisvisualisierungstool, mit dem Benutzer Optimierungsergebnisse in Echtzeit überprüfen können.
Ressourcenadresse:
https://github.com/nimsos-dev/nimsos
ChemCrow: Vereinfachtes Denken für gängige Chemieaufgaben
ChemCrow ist ein Open-Source-Paket mit 13 von Experten entwickelten Chemie-Tools, die das Denken über eine breite Palette gängiger Chemieaufgaben in Bereichen wie Arzneimittel- und Materialdesign sowie Synthese vereinfachen sollen. Das Modell erreicht eine Top-1-Genauigkeit von 80% und eine Top-5-Genauigkeit von 84% auf einem unabhängigen Testdatensatz synthetisch erstellter Flussdiagramme und kann lernen, synthetische Flussdiagramme automatisch zu korrigieren.
Ressourcenadresse:
https://github.com/ur-whitelab/chemcrow-public
BioMistral: Open Source LLM in Biomedizin
BioMistral 7B ist ein spezialisierter LLM für den biomedizinischen Bereich, abgeleitet von Mistral 7B Instruct v0.1 und zusätzlich vortrainiert auf PubMed Central.
Ressourcenadresse:
https://huggingface.co/BioMistral/BioMistral-7B
Forschungsergebnisse
Vorhersage eines potenziellen Plasmarisses 300 Millisekunden im Voraus basierend auf Deep Reinforcement Learning
Vermeidung der Instabilität des Fusionsplasmas durch Deep Reinforcement Learning
* Quelle: Nature
* Bereich: Energie und Umwelt
* Autor: Princeton University
Plasmainstabilität ist eine wichtige Herausforderung in der Kernfusionsforschung. Die Forscher verwendeten ein multimodales dynamisches Modell als Trainingsumgebung für KI-gestütztes Reinforcement-Learning und bauten ein tiefes neuronales Netzwerk auf, das die Wahrscheinlichkeit zukünftiger Tearing-Mode-Instabilitäten auf der Grundlage von Plasmaeigenschaften in Echtzeit vorhersagen kann. Sie führten auch Experimente an der DIII-D National Fusion Facility in San Diego durch. Die Ergebnisse zeigten, dass der von ihnen entwickelte KI-Controller Plasmainstabilitäten 300 Millisekunden vor dem Bruch vorhersagen kann.
Lesen Sie den Originalartikel:
Zustandsspezifische Vorhersage der Protein-Ligand-Komplexstruktur mit einem multiskaligen tiefen generativen Modell
* Quelle: Nature
* Fachgebiet: Biomedizin
* Autor: California Institute of Technology
Der von den Forschern vorgeschlagene NeuralPLexer verwendet ein tiefes generatives Modell, um die dreidimensionale Struktur des Bindungskomplexes und seine Konformationsänderungen mit atomarer Auflösung abzutasten. Studien haben gezeigt, dass die Vorhersagen von NeuralPLexer mit Strukturbestimmungsexperimenten wichtiger Ziele in der Enzymtechnik und Arzneimittelforschung übereinstimmen. Darüber hinaus ist die Genauigkeit der globalen Proteinstrukturvorhersage von NeuralPLexer bei repräsentativen Strukturpaaren mit großen Konformationsänderungen und neu identifizierten Ligandenbindungsproteinen durchweg besser als bei AlphaFold2.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s42256-024-00792-z
Vorhersage neuer Arzneimittelwechselwirkungen auf Basis eines Graph-Neural-Networks
Vorhersage neuer Arzneimittelwechselwirkungen durch ein flussbasiertes Graph-Neural-Netzwerk mit biomedizinischem Netzwerk
* Quelle: Nature Computational Science
* Fachgebiet: Biomedizin
* Autor: Tsinghua-Universität
Die Forscher schlugen ein Graph-Neural-Netzwerk namens EmerGNN vor, das Merkmale der Arzneimittelpaarung lernt, indem es Pfade zwischen Arzneimittelpaaren extrahiert, Informationen von einem Arzneimittel zum anderen weitergibt und den Pfaden relevante biomedizinische Konzepte hinzufügt. Experimente zeigen, dass EmerGNN bei der Vorhersage von Wechselwirkungen neuer Medikamente eine höhere Genauigkeit aufweist als bestehende Methoden.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s43588-023-00558-4Cas-DiffCom: Ein Kaskadendiffusionsmodell für die longitudinale Superauflösung medizinischer 3D-Bilder von Säuglingen
Cas-DiffCom: Kaskadiertes Diffusionsmodell zur longitudinalen 3D-Vervollständigung medizinischer Säuglingsbilder in Superauflösung
* Quelle: arXiv
* Bereich: Gesundheitswesen
* Autor: ShanghaiTech University
Die Forscher schlugen ein Kaskadendiffusionsmodell, Cas-DiffCom, für die dichte und longitudinale 3D-MRT-Vervollständigung und Superauflösung des Gehirns von Säuglingen vor und wandten die vorgeschlagene Methode auf den Datensatz des Baby Connectome Project (BCP) an. Die Ergebnisse deuten darauf hin, dass Cas-DiffCom bei der longitudinalen Vervollständigung von Gehirnbildern von Säuglingen eine individuelle Konsistenz und hohe Wiedergabetreue erreicht.
Lesen Sie den Originalartikel:
https://arxiv.org/abs/2402.13776
Generative KI zur Kohlenstoffabscheidung
Ein generatives Framework für künstliche Intelligenz basierend auf einem molekularen Diffusionsmodell für die Entwicklung metallorganischer Frameworks zur Kohlenstoffabscheidung
* Quelle: Communications Chemistry
* Fachgebiet: Materialchemie
* Autor: Argonne National Laboratory, USA
Metallorganische Gerüstverbindungen (MOFs) verfügen über großes Potenzial für die Kohlendioxidabscheidung. Das von den Forschern vorgeschlagene generative KI-Hochleistungsframework GHP-MOFassemble kann innerhalb von 30 Minuten durch die Zusammenstellung zufällig generierter MOF-Strukturen in Kombination mit molekulardynamischer Simulation und Monte-Carlo-Simulation schnell mehr als 120.000 neue MOF-Kandidaten einzeln zusammensetzen.
Lesen Sie den Originalartikel:
https://www.nature.com/articles/s42004-023-01090-2
Kommende Veranstaltungen
SIMONS Seminar findet am 6. Mai statt
Das von der New York University veranstaltete SIMONS-Seminar findet am 6. Mai im Kimmel Center der New York University statt. Wissenschaftler der Universität Oxford, der Freien Universität Berlin und anderer Universitäten wurden eingeladen, um die neuesten Entwicklungen in der biomolekularen Simulation sowie Entwicklungsherausforderungen und andere Themen zu diskutieren.
Zu den ersten Themen dieses Workshops gehören: Kombination von Simulation, experimentellen Daten und maschinellem Lernen zum Verständnis der Proteindynamik, groß angelegte MD-Simulation von Bakterienmembranen, Aufdeckung der Chromatinstruktur und -dynamik durch physikalische Modellierung und groß angelegte Simulation usw.
Registrierungslink:
https://wp.nyu.edu/sccpc/event/challenges-in-biomolecular-simulations-symposium/
AI4SCIENCE @ Caltech
Caltech hat das AI4Science-Programm gestartet, das von den Professoren Anima Anandkumar und Yisong Yue geleitet wird. Es vereint zahlreiche Experten aus dem Bereich KI und anderen Disziplinen und hat sich zum Ziel gesetzt, modernste Technologien der künstlichen Intelligenz in verschiedene Bereiche der Wissenschaft und Technik zu integrieren, disziplinäre Barrieren abzubauen und Innovation und Entwicklung in der wissenschaftlichen Forschung voranzutreiben.
Während des akademischen Jahres findet das Programm alle zwei Wochen mittwochs mittags in Form von Vorlesungen und Kursen statt und bietet Wissenschaftlern aus verschiedenen wissenschaftlichen Bereichen theoretisches Wissen und praktische Möglichkeiten im Bereich des maschinellen Lernens.
Registrierungslink:
https://www.ai4science.caltech.edu/events.html
Veranstaltungsrückblick
Live-Reihe „KI für die Wissenschaft“Die fünfte Live-Übertragungsreihe „AI for Science“, veranstaltet vom Institut für Naturwissenschaften der Shanghai Jiao Tong University und dem Shanghai National Center for Applied Mathematics (Zweigstelle der Shanghai Jiao Tong University), wird am 29. Februar eröffnet. Das Thema der Live-Übertragung ist der Forschungsfortschritt bei multimodalen generativen Großmodellen. Der Referent Yangshuai Wang wird die Anwendung und das Potenzial künstlicher Intelligenz in der wissenschaftlichen Forschung untersuchen. Durch die Weitergabe der neuesten Forschungsergebnisse und technologischen Fortschritte wird die akademische Gemeinschaft ihr Verständnis und ihre Anwendung von KI im wissenschaftlichen Bereich stärken, die interdisziplinäre Zusammenarbeit fördern und den wissenschaftlichen Fortschritt vorantreiben.
Veranstaltungslink:
https://mp.weixin.qq.com/s/0kkh52_qhLr2bn-75GulPw
LoG 2023 Shanghai Praktisches TeilenDie Shanghai Jiao Tong University und die Peking University veranstalteten gemeinsam das LoG2023-Seminar in Shanghai. Diese Konferenz konzentriert sich auf die verwandten Bereiche Grafik und geometrisches maschinelles Lernen und bringt mathematische Eliten und Informatikexperten aus dem In- und Ausland zusammen, um eingehende Diskussionen über die mathematische Theorie des Aufbaus geometrischen Deep Learnings zu führen und zuverlässige topologische Strukturen und effiziente Recheneinheiten für tiefe neuronale Netzwerke zu entwickeln.
Live-Wiedergabe:
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“.