【ScienceAI Weekly】Gagnez Fortune En Silence ! L’activité Médicale De Nvidia Génère 1 Milliard De Dollars De Revenus ; Musk : Le Premier Sujet Humain À Avoir Été Testé Sur Une Puce Cérébrale Pourrait Avoir Récupéré
L'IA pour la science Nouvelles réalisations, nouvelles tendances et nouvelles perspectives——
* L'activité santé de Nvidia génère plus d'un milliard de dollars de revenus au cours de l'exercice 2024
* Bioptimus reçoit 35 millions de dollars lors d'un tour de financement d'amorçage
* Le premier sujet humain de Neuralink pourrait avoir récupéré
* WIVI Vision reçoit un financement de 4 millions d'euros
* Yili Chuan Ning Biotechnology Co., Ltd. et Shanghai Jinyu Technology Co., Ltd. ont conclu un accord de coopération
* Le ministère des Sciences et de la Technologie a publié les premières « Lignes directrices éthiques pour la recherche sur les interfaces cerveau-ordinateur » de mon pays.
Voir ci-dessous pour plus de détails~
Actualités de l'entreprise
L'activité santé de Nvidia génère plus d'un milliard de dollars de revenus au cours de l'exercice 2024
Il est rapporté que l'activité santé de Nvidia a généré plus d'un milliard de dollars de revenus au cours de l'exercice 2024, soit 2 à 3 ans avant l'objectif. Actuellement, NVIDIA dispose de plus de dix modèles d’IA génératifs, notamment des outils de modélisation de petites molécules, le modèle de prédiction de protéines OpenFold et le modèle Phenom-Beta développé avec Recursion pour la découverte de cibles et de médicaments. En 2023, NVIDIA a investi dans 9 sociétés pharmaceutiques spécialisées dans l'IA, à savoir Charm Therapeutics, Recursion Pharmaceuticals, Genesis Therapeutics, Superluminal Medicines, Inceptive, Generate Biomedicines, Evozyne, Iambic Therapeutics et Erray Therapeutics.
Bioptimus obtient un financement d'amorçage de 35 millions de dollars
Récemment, la startup française Bioptimus a reçu un financement d'amorçage de 35 millions de dollars, mené par Sofinnova Partners et Bpifrance Large Venture.Cathay Innovation D’autres sociétés, dont Headline, ont également réalisé des investissements de suivi. Les principaux membres de l'équipe Bioptimus sont d'anciens dirigeants de Google DeepMind et de la société française d'intelligence artificielle Owkin. Leur objectif est de construire le premier modèle général de base d’intelligence artificielle dans le domaine de la biologie, de promouvoir les percées scientifiques et d’accélérer l’innovation en biomédecine et dans d’autres domaines.
Le premier sujet humain testé par Neuralink pourrait avoir récupéré
Le 20 février, heure locale, le PDG de Tesla, Elon Musk, a déclaré que le premier sujet humain implanté avec une puce cérébrale Neuralink « semble s'être complètement rétabli, sans aucune réaction indésirable à notre connaissance, et le sujet peut déplacer la souris sur l'écran de l'ordinateur simplement en pensant. »
Fondée par Musk en 2016, la mission de l'entreprise est de développer des interfaces cerveau-ordinateur pour traiter diverses maladies liées au cerveau et de créer une interface cérébrale complète capable de connecter plus étroitement l'intelligence biologique et artificielle. En mai dernier, Neuralink a annoncé que son premier essai clinique sur l’homme avait été approuvé par la Food and Drug Administration (FDA) des États-Unis ; En septembre de l'année dernière, Neuralink a annoncé qu'elle réaliserait cette année le premier essai humain d'interface cerveau-ordinateur.
WIVI Vision reçoit un financement de 4 millions d'euros
L'entreprise espagnole Vision a reçu un financement de 4 millions d'euros. Ce tour de financement a été mené par Adara Ventures a mené le tour, avec la participation de Hearstlab, Avançsa, Caixabank DayOne et BBVA Spark. L'entreprise a l'intention d'utiliser les fonds pour promouvoir son développement national et international, accélérer l'expansion de son équipe et soutenir le développement de nouvelles technologies.
WIVI Vision est un fournisseur de services de thérapie visuelle fondé en 2016. L'entreprise cherche à utiliser le Big Data et la technologie de l'intelligence artificielle (IA) pour évaluer si une personne souffre d'un dysfonctionnement visuel, améliorer la vision des patients et fournir des solutions de thérapie visuelle basées sur des programmes de formation 3D personnalisés.
Yili Chuan Ning Biotechnology Co., Ltd. et Shanghai Jinyu Technology Co., Ltd. ont conclu un accord de coopération
Le 22 février, Yili Chuan Ning Biotechnology Co., Ltd. et Shanghai Jinyun Technology Co., Ltd. ont annoncé un partenariat. Les deux parties exploiteront pleinement les avantages de chaque partie dans leurs domaines respectifs, intégreront diverses ressources et coopéreront à l'optimisation et à la modernisation de l'industrie de fermentation intermédiaire d'antibiotiques de Chuan Ning Bio, à l'utilisation de l'IA pour aider à la recherche et au développement en biologie synthétique et au développement conjoint de nouveaux produits. En combinant l'intelligence artificielle avec les industries existantes de Chuan Ning Bio, les deux parties formeront une nouvelle productivité de qualité dès que possible pour améliorer globalement les méthodes de production et l'efficacité de la production de Chuan Ning Bio.
Spécifications de la politique
Le ministère des Sciences et de la Technologie a publié les premières « Lignes directrices éthiques pour la recherche sur les interfaces cerveau-ordinateur » de mon pays.
En février 2024, le ministère des Sciences et de la Technologie a publié les premières « Lignes directrices éthiques pour la recherche sur l'interface cerveau-ordinateur » de mon pays, qui stipulent clairement que lors de la conduite de recherches sur l'interface cerveau-ordinateur, nous devons nous assurer que la recherche a une valeur sociale, doit se concentrer sur la technologie d'interface cerveau-ordinateur réparatrice et mettre l'accent sur la satisfaction des besoins de santé publique grâce au développement technologique. Les technologies d’interface cerveau-ordinateur améliorées telles que la régulation de l’attention, la régulation du sommeil, la régulation de la mémoire, les exosquelettes, etc. à des fins non médicales devraient être encouragées dans une certaine mesure à être explorées et développées dans le cadre de réglementations strictes et d’avantages clairs. 《Lignes directrices》 clarifie également des questions telles que l'objectif de l'utilisation des interfaces cerveau-ordinateur et la protection de la vie privée des sujets.
Pour la spécification complète, voir :
https://www.most.gov.cn/kjbgz/202402/t20240202_189582.html
Outils et ressources
BLAST (Basic Local Alignment Search Tool) : outil de recherche d'alignement de séquences de biomacromolécules
BLAST est capable de trouver des régions de similarité locale entre des séquences biologiques, de comparer des séquences de nucléotides ou de protéines à des bases de données de séquences et de calculer la signification statistique, qui peut être utilisée pour déduire des relations fonctionnelles et évolutives entre les séquences et aider à identifier les membres de la famille de gènes.
Adresse open source :
https://blast.ncbi.nlm.nih.gov/Blast.cgi
TheAlgorithms/C-Plus-Plus : Collection d'algorithmes
TheAlgorithms/C-Plus-Plus est une collection de divers algorithmes dans les domaines des mathématiques, de l'apprentissage automatique, de l'informatique et de la physique implémentés en C++.
Adresse de la ressource :
https://github.com/TheAlgorithms/C-Plus-Plus
NIMS-OS : Détection automatique des matériaux
NIMS-OS (NIMS Orchestration System) est une bibliothèque Python qui permet la détection automatique de matériaux sans intervention humaine. Le système NIMS Automated Robotic Electrochemical Experiment (NAREE) peut être utilisé pour des expériences robotiques et fournit également un outil de visualisation des résultats qui permet aux utilisateurs de vérifier les résultats d'optimisation en temps réel.
Adresse de la ressource :
https://github.com/nimsos-dev/nimsos
ChemCrow : simplifier le raisonnement pour les tâches de chimie courantes
ChemCrow est un package open source de 13 outils de chimie conçus par des experts pour simplifier le raisonnement sur un large éventail de tâches chimiques courantes dans des domaines tels que les médicaments, la conception de matériaux et la synthèse. Le modèle atteint une précision de 80% top-1 et de 84% top-5 sur un ensemble de données de test indépendant d'organigrammes générés synthétiquement, et peut apprendre à corriger automatiquement les organigrammes synthétiques.
Adresse de la ressource :
https://github.com/ur-whitelab/chemcrow-public
BioMistral : Master en sciences biomédicales open source
BioMistral 7B est un LLM spécialisé dans le domaine biomédical, dérivé de Mistral 7B Instruct v0.1 et pré-formé sur PubMed Central.
Adresse de la ressource :
https://huggingface.co/BioMistral/BioMistral-7B
Résultats de la recherche
Prédire le potentiel de déchirure du plasma 300 millisecondes à l'avance grâce à l'apprentissage par renforcement profond
Éviter l'instabilité de déchirure du plasma de fusion grâce à l'apprentissage par renforcement profond
* Source : Nature
* Domaine : Énergie et Environnement
* Auteur : Université de Princeton
L’instabilité du plasma est un défi important dans la recherche sur la fusion nucléaire. Les chercheurs ont utilisé un modèle dynamique multimodal comme environnement de formation pour l'IA d'apprentissage par renforcement et ont construit un réseau neuronal profond capable de prédire la probabilité d'instabilités futures du mode de déchirure en fonction des caractéristiques du plasma en temps réel. Ils ont également mené des expériences au DIII-D National Fusion Facility à San Diego. Les résultats ont montré que le contrôleur d’IA qu’ils ont développé peut prédire les instabilités du plasma 300 millisecondes avant la rupture.
Lire l'article original :
Prédiction de la structure du complexe protéine-ligand spécifique à l'état avec un modèle génératif profond multi-échelle
* Source : Nature
* Domaine : Biomédecine
* Auteur : California Institute of Technology
Le NeuralPLexer proposé par les chercheurs utilise un modèle génératif profond pour échantillonner la structure tridimensionnelle du complexe de liaison et ses changements conformationnels à une résolution atomique. Des études ont montré que les prédictions de NeuralPLexer sont cohérentes avec les expériences de détermination de la structure de cibles importantes dans l’ingénierie enzymatique et la découverte de médicaments. De plus, la précision de prédiction de la structure globale des protéines de NeuralPLexer est systématiquement meilleure que celle d'AlphaFold2 pour les paires de structures représentatives avec de grands changements conformationnels et les protéines de liaison aux ligands nouvellement identifiées.
Lire l'article original :
https://www.nature.com/articles/s42256-024-00792-z
Prédiction de nouvelles interactions médicamenteuses basée sur un réseau neuronal graphique
Prédiction des interactions médicamenteuses émergentes rendue possible par un réseau neuronal graphique basé sur les flux avec un réseau biomédical
* Source : Nature Computational Science
* Domaine : Biomédecine
* Auteur : Université Tsinghua
Les chercheurs ont proposé un réseau neuronal graphique, EmerGNN, qui apprend les caractéristiques d'appariement de médicaments en extrayant les chemins entre les paires de médicaments, en propageant les informations d'un médicament à un autre et en ajoutant des concepts biomédicaux pertinents aux chemins. Les expériences montrent qu’EmerGNN a une précision supérieure aux méthodes existantes pour prédire les interactions des médicaments émergents.
Lire l'article original :
https://www.nature.com/articles/s43588-023-00558-4Cas-DiffCom : un modèle de diffusion en cascade pour la super-résolution longitudinale des images médicales 3D des nourrissons
Cas-DiffCom : Modèle de diffusion en cascade pour la complétion d'images médicales 3D longitudinales super-résolution chez les nourrissons
* Source : arXiv
* Domaine : Santé
* Auteur : Université ShanghaiTech
Les chercheurs ont proposé un modèle de diffusion en cascade, Cas-DiffCom, pour l'achèvement et la super-résolution de l'IRM cérébrale 3D dense et longitudinale du nourrisson, et ont appliqué la méthode proposée à l'ensemble de données du Baby Connectome Project (BCP). Les résultats indiquent que Cas-DiffCom atteint une cohérence individuelle et une grande fidélité dans l’achèvement de l’image cérébrale longitudinale du nourrisson.
Lire l'article original :
https://arxiv.org/abs/2402.13776
IA générative pour la capture du carbone
Un cadre d'intelligence artificielle générative basé sur un modèle de diffusion moléculaire pour la conception de structures organométalliques pour la capture du carbone
* Source : Communications Chemistry
* Domaine : Chimie des matériaux
* Auteur : Argonne National Laboratory, États-Unis
Les structures organométalliques (MOF) présentent un grand potentiel de capture du dioxyde de carbone. Le cadre d'IA générative haute performance GHP-MOFassemble proposé par les chercheurs peut assembler rapidement plus de 120 000 nouveaux MOF candidats un par un en 30 minutes en assemblant des structures MOF générées aléatoirement combinées à une simulation de dynamique moléculaire et à une simulation de Monte Carlo.
Lire l'article original :
https://www.nature.com/articles/s42004-023-01090-2
Événements à venir
Le séminaire SIMONS aura lieu le 6 mai
Le séminaire SIMONS organisé par l'Université de New York se tiendra le 6 mai au Kimmel Center de l'Université de New York. Des chercheurs de l'Université d'Oxford, de l'Université libre de Berlin et d'autres universités ont été invités à discuter des derniers développements en matière de simulation biomoléculaire, ainsi que des défis de développement et d'autres sujets.
Les thèmes initiaux de cet atelier comprennent : la combinaison de la simulation, des données expérimentales et de l'apprentissage automatique pour comprendre la dynamique des protéines, la simulation MD à grande échelle des membranes bactériennes, la révélation de la structure et de la dynamique de la chromatine par la modélisation physique et la simulation à grande échelle, etc.
Lien d'inscription :
https://wp.nyu.edu/sccpc/event/challenges-in-biomolecular-simulations-symposium/
AI4SCIENCE @ Caltech
Caltech a lancé le programme AI4Science, dirigé par les professeurs Anima Anandkumar et Yisong Yue. Il rassemble de nombreux experts en IA et dans d’autres disciplines et s’engage à intégrer les technologies de pointe en matière d’intelligence artificielle dans divers domaines de la science et de l’ingénierie, à briser les barrières disciplinaires et à stimuler l’innovation et le développement de la recherche scientifique.
Au cours de l'année universitaire, le programme se déroulera toutes les deux semaines à midi le mercredi, sous forme de conférences et de cours, offrant une formation théorique et des opportunités pratiques en apprentissage automatique pour les chercheurs de différents domaines scientifiques.
Lien d'inscription :
https://www.ai4science.caltech.edu/events.html
Revue de l'événement
Série en direct sur l'IA pour la scienceLa cinquième série de diffusions en direct sur l'IA pour la science, organisée par l'Institut des sciences naturelles de l'Université Jiao Tong de Shanghai et le Centre national de mathématiques appliquées de Shanghai (branche de l'Université Jiao Tong de Shanghai), ouvrira ses portes le 29 février. Le thème de la diffusion en direct est l'avancement de la recherche sur les grands modèles génératifs multimodaux. Le conférencier Yangshuai Wang explorera l’application et le potentiel de l’intelligence artificielle dans la recherche scientifique. En partageant les derniers résultats de recherche et les avancées technologiques, la communauté universitaire renforcera sa compréhension et son application de l’IA dans le domaine scientifique, favorisera la coopération interdisciplinaire et favorisera le progrès scientifique.
Lien vers l'événement :
https://mp.weixin.qq.com/s/0kkh52_qhLr2bn-75GulPw
Partage pratique LoG 2023 ShanghaiL'Université Jiao Tong de Shanghai et l'Université de Pékin ont organisé conjointement le séminaire LoG2023 à Shanghai. Cette conférence se concentre sur les domaines connexes du graphisme et de l'apprentissage automatique géométrique, et rassemble des élites mathématiques et des experts en informatique du pays et de l'étranger pour mener des discussions approfondies sur la théorie mathématique de la construction de l'apprentissage profond géométrique et cultiver des structures topologiques fiables et des unités de calcul de réseau neuronal profond efficaces.
Lecture en direct :
Ce qui précède est tout le contenu que « Science AI Weekly » souhaite partager~
Si vous disposez des derniers résultats de recherche, d'informations de première main sur les entreprises, etc. concernant l'IA pour la science, veuillez laisser un message pour « exposer l'information ».