随着深势科技对“AI+分子模拟”进一步的探索,越来越多的医药企业无疑将聚集其中。而最终,或许如阿里云高性能计算产品研发负责人何万青所提及的那样,“云计算所特有的连通性和弹性,能够帮助打破研发孤岛,促进数据成果的复用和创新。”而这些最终将赋能生命科学行业医药研发提速。
随着科技的飞速进步,人工智能(AI)与分子模拟技术已成为研发领域的重要推动力。在此背景下,菲鹏集团旗下的菲鹏数辉凭借其在AI与分子模拟领域的深厚积累和前沿技术,正引领着新一轮创新浪潮。近日,在上海举行的AIBC大会上,菲鹏数辉首度亮相AI蛋白质动态构象预测新品——DeepConformer,引来现场热议,菲鹏数辉创始人...
AI+药物研发企业多以技术优势切入一个或多个应用场景,大型药企则以组建自有技术团队或与AI技术公司合作的方式,布局AI药物研发。利用AI+分子模拟技术解决现在创新药研发周期长、失败率高的问题有非常好的前景,因此,创腾科技推出了综合分子模拟与机器学习于一体的国产新药研发平台——MaXFlow。MaXFlow通过引入高通量分...
通过从量化计算中提炼物理规律(如化学局域性),并将其融入到 GNNs 的归纳偏置(如旋转平移等变性)中,LSR-MP 在经验性和物理可解释性间实现了平衡,为构建符合科学规律的 AI 模型提供了思路。 论文通讯作者、微软亚洲研究院科学智能中心高级研究员黄麟表示:“我们期待 LSR-MP 所倡导的‘知识引导的 AI 范式’可以在...
1. E(3) 等变图神经网络模型NequIP ,该模型在分子动力学模拟上,显示出出色的预测准确性、对未见阶段的泛化能力以及非常高的样本效率。 2. 量子机器学习模型(QMLM)以少量的数据训练展现出一定的泛化性 i) 量子卷积神经网络对相变中的量子态进行分类只需要非常小的训练数据集。 ii) 其它潜在应用包括学习量子纠错...
MD17 数据集由 AIMD 模拟生成的有机小分子组成。基于 GPIP 的模型与基线模型的力预测平均绝对误差(MAE)比较如表 1 所示。基于 GPIP 的 SchNet、DimeNet、SphereNet 和 GemNet-T 的性能均优于相应的基线模型 。图示:在 ISO17 数据集上的结果。(来源:论文)ISO17 数据集由 AIMD 模拟生成的 C7O2H10 ...
深入AI2BMD技术创新 分子动力学模拟最重要的组件之一是力场的构建。在模拟的每一步中,力场计算分子的...
“我们实现了 AI 在蛋白质动力学模拟中的应用,并证明了 AI 不仅能用于静态结构预测,还能在需要数十亿甚至数百亿步的动态过程中发挥巨大作用。”谈及这项经历四年发布在 Nature 上的论文,微软研究院科学智能中心高级研究员王童如是说。 图丨王童(来源:微软研究院) ...
深势科技作为“AI for Science”科学研究范式的先行者,致力于运用人工智能和分子模拟算法,结合先进计算手段求解重要科学问题,为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。深势科技是国家高...
第一、相较于传统结构生物学实验方法,这种利用AI的方法能够动态还原分子作用的过程。 X射线衍射、冷冻电镜等实验手段能做到的还只是将生物分子近天然状态下某一时刻的三维结构进行呈现,如果分子的运动柔性比较大,“单帧”的呈现可提供的信息非常有限。 AI解析则能通过模拟的方式,更完整模拟呈现分子构象变化和相互作用的...