Nuovo metodo di intelligenza artificiale di Microsoft per prevedere come si muovono e funzionano le molecole
Nuovo metodo AI di Microsoft per prevedere movimenti e funzioni molecolari
Denominato “Distributional Graphormer”, potrebbe dare il via al prossimo passo nella rivoluzione che l’IA sta portando alle scienze chimiche e biologiche
“Possiamo prevedere non solo le strutture proteiche statiche ma anche la loro diversità strutturale?” – Ho chiesto circa un anno fa quando tutta l’eccitazione intorno ad AlphaFold 2 si stava calmando:
Possiamo prevedere non solo le strutture proteiche statiche ma anche la loro diversità strutturale?
Un recente lavoro che applica AlphaFold 2 in modo speciale suggerisce che ciò potrebbe essere possibile.
VoAGI.com
Bene, apparentemente i team di Microsoft che applicano l’IA alla scienza (insieme a un professore di fama, vedi note alla fine) potrebbero avere un primo “Sì” come risposta alla mia domanda. Hanno appena presentato il loro nuovo “Distributional Graphormer” che può prevedere non solo singole strutture molecolari (di proteine, o altre molecole, o materiali) ma anche effettivamente le multiple strutture alternative (o “conformazioni”) che una molecola o un pezzo di materiale può adottare nello spazio tridimensionale. Cioè, le possibili disposizioni alternative che i loro atomi possono adottare nello spazio. Inoltre, il nuovo modello di intelligenza artificiale “comprende” anche che diverse strutture avranno diverse energie e quindi saranno popolate in misura diversa; quindi, il nuovo modello può essere addestrato per prevedere la termodinamica sottostante che governa come le diverse conformazioni si scambiano mentre la molecola si muove.
Come implementato nella sua prima versione, il Distributional Graphormer può analizzare qualsiasi tipo di molecola. Infatti, il preprint che presenta il modello descrive applicazioni di esempio per le attività di previsione di come si muovono le proteine (quello che ho chiamato “diversità strutturale” nella mia domanda precedente), come le proteine si legano a piccole molecole (che comprende substrati enzimatici, medicinali, metaboliti, ecc.), anche come le molecole si adsorbono sulla superficie di catalizzatori e come le strutture a base di carbonio possono essere modulate nelle loro proprietà di conduzione elettronica.
- Ricercatori del KAIST e di Google hanno introdotto la distillazione del punteggio collaborativo (CSD) un metodo di intelligenza artificiale che estende il singolare del modello di diffusione del testo-all’immagine per una sintesi visiva coerente.
- Il tuo pipeline LLM raggiunge il tuo obiettivo?
- Ricercatori di Stanford propongono EVAPORATE un nuovo approccio AI che riduce il costo di inferenza dei modelli di linguaggio del 110x
Continua a leggere per comprendere tutto ciò in dettaglio, saperne di più sul modello e cogliere l’impatto che potrebbe avere sulla chimica e sulla biologia moderne.
