今日に至るまで、単純な金屬から大きな膜タンパク質(zhì)に至るまで、結晶學によって決定される構造の詳細と精度は、他のどの方法にも匹敵しません。しかし、最大の課題、いわゆる位相問題は、実験的に決定された振幅から位相情報を取得することのままです。
デンマークのコペンハーゲン大學の研究者らは、結晶相の問題を解決するために、數(shù)百萬の人工結晶構造とそれに対応する合成回折データを使用して訓練されたディープラーニング ニューラル ネットワークを使用して、正確な電子密度マップを生成できることを開発しました。
研究によると、この深層學習ベースの非経験的構造解析手法は、わずか 2 オングストロームの解像度で位相問題を解決できます。これは、原子解像度で利用可能なデータのわずか 10% ～ 20% に相當しますが、従來の非経験的構造解析手法では、位相問題を解決できます。通常、この方法では原子レベルの分解能が必要です。
関連研究は「PhAI: 結晶相問題を解決するための深層學習アプローチ」と題され、8月1日付けの「Science」誌に掲載されました。
結晶學は、自然科學の中核となる分析手法の 1 つです。 X 線結晶構造解析は、結晶の 3 次元構造についての獨自の見解を提供します。
電子密度マップを再構成するには、回折反射の複雑な構造因子 $F$ が十分にわかっていなければなりません。従來の実験では、振幅 $|F|$ のみが取得され、位相 $phi$ は失われます。これは結晶相の問題です。
大きな進歩は 1950 年代と 1960 年代に起こり、Karle と Hauptmann** が位相問題を解決するためのいわゆる直接法を開発しました。ただし、直接法では原子分解能の回折データが必要です。ただし、原子分解能の要件は経験的な観察です。
近年、伝統(tǒng)的な直接法はデュアルスペース法によって補完されています。 現(xiàn)在利用可能な ab initio メソッドは限界に達しているようです。位相問題に対する一般的な解決策は依然として不明です。
數(shù)學的に言えば、構造因子の振幅と位相の任意の組み合わせを逆フーリエ変換することができます。 ただし、物理的および化學的要件 (原子に似た電子密度分布を持つなど) により、一連の振幅と一致する位相の可能な組み合わせにルールが課されます。深層學習の進歩により、おそらく現(xiàn)在の ab initio 手法よりもさらに深く、この関係を調(diào)査できるようになります。
ここで、コペンハーゲン大學の研究者らは、結晶學における位相問題を解決することを目的として、何百萬もの人工結晶構造とそれに対応する回折データを使用してデータ駆動型のアプローチを採用しました。
研究によると、この深層學習ベースの非経験的構造解法手法は、直接法で必要なデータのみを使用して、最小格子面距離 (dmin) = 2.0 ? のみの解像度で 10% ～ 20% 実行できることが示されています。 。
ニューラルネットワークの設計とトレーニング
構築された人工ニューラルネットワークはPhAIと呼ばれ、構造因子振幅|F|を受け取り、対応する位相値?を出力します。 PhAIのアーキテクチャを以下の図に示します。
つまり、構造は原子分解能で約 10 ? の単位格子寸法に制限されます。さらに、最も一般的な中心対稱空間群 P21/c が選択されました。中心対稱性により、可能な位相値は 0 または π ラジアンに制限されます。
- ?? ?? ??? ???? ?? ?? ??? ??? ??? ?? ??. ? 49,000,000?? ??? ??????, ? ? 94.29%? ?? ?? ??, 5.66%? ??-?? ?? ??, 0.05%? ?? ?? ??????.
- ???? ?? ??? ??? ???? ????, ?? ???? ?? ??? ?? ???? ??? ???? ??(Conv3D)? ?? ? ??? ?? ??? ?? ????(MLP) ???? ?????. ?? ???(Phase Classifier)?? ??? ??? Nc? ????? ?? ?????. ?? ???? GDB-13 ??????? ?? ??? ?? ??? ?? ?? ???? ???????. ?? ??? ???? ?? ??, ??? ? ????? ?? ?? ? ?? ?? ??? ??? ? ?? ?? ???? ?????.
?? ??? ??? ????? - ??? ???? ??? ?? ?? ??? ?? ?? ????? ?????. ?? hkl ?? ??? ?? ?? ?? ??? ???? ??????. ?? ?? ??? ???? ??? ??? ?? ? ????? ???? ????. ?? ?? ?? ?? ab initio ??? ????? ????. ????? ???? ?? ?? ???? ??? ? ????.
- ????? ?? ?? ???? ??? ?? ???? ???? ???? ??? ???????. ? 2387?? ??? ???? ???????. ??? ?? ??? ?? 1.0~2.0? ??? ?? ??? ??? ?? ???????. ??? ?? ?? ??? ???? ?? ?? ?? ??? ???????.
??: ??? ?? ?? ?? ? ??? ?? ?? r? ?????.
(??: ??)
??? ???? ? ?????. ?? ?? ???? ???? ??? ???? ?? ??(N = 2387)? ??? ? ??? ????? ??? ? ? ??? ? ????. ??? ??? ??. ???? ?? ??? ?? ?? ???? ??? ??? ??? ???? ??? ? ????.
?? ?? ??? ???? ???? ??? ? ? ????? ??? ???? ???? ?? ????? ??? ???? ???? ??? ?? ????? ??? 1.6?? ????? ? 32??? ?????. ??. ?? ???? ??? ??? ?? ?? ??? ??? ???? ?? ?? ???? ??? ?? ??? ? ????.
PhAI ?? ???? ? ?? ???? ?? ?? ???? ???? ??? ??? ????. ??? ??? ?? ??? ???? ???? ??? ???? ? ????? ???? ???? ??? ?? ? ??? ?????. PhAI?? 10~20%? ?? ??? ???? ?????.
? ??? ab initio ???? ?? ???? ???? ??? ? ?? ?? ?? ??? ?? ??? ?? ????? ?? ???? ?????.
? ? ?? ?? ??? ?? ? ???? ???? ????. ?, ? ? ?? ?? ?? ?? ????? ?? ?? ?? ?? ?? ? ?? ???? ?? ??? ?????. ???? ? ??? ???? ??? ???? ?? ?? ??? ????.
以上が結晶相問題を解決するための數(shù)百萬の結晶データを使用したトレーニング、深層學習手法 PhAI が Science 誌に掲載の詳細內(nèi)容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。
ホットAIツール
Undress AI Tool
脫衣畫像を無料で
Undresser.AI Undress
リアルなヌード寫真を作成する AI 搭載アプリ
AI Clothes Remover
寫真から衣服を削除するオンライン AI ツール。
Clothoff.io
AI衣類リムーバー
Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。
人気の記事
ホットツール
メモ帳++7.3.1
使いやすく無料のコードエディター
SublimeText3 中國語版
中國語版、とても使いやすい
ゼンドスタジオ 13.0.1
強力な PHP 統(tǒng)合開発環(huán)境
ドリームウィーバー CS6
ビジュアル Web 開発ツール
SublimeText3 Mac版
神レベルのコード編集ソフト（SublimeText3）
「Defect Spectrum」は、従來の欠陥検出の限界を打ち破り、超高精度かつ豊富なセマンティックな産業(yè)用欠陥検出を初めて実現(xiàn)します。
Jul 26, 2024 pm 05:38 PM
現(xiàn)代の製造において、正確な欠陥検出は製品の品??質(zhì)を確保するための鍵であるだけでなく、生産効率を向上させるための核心でもあります。ただし、既存の欠陥検出データセットには、実際のアプリケーションに必要な精度や意味論的な豊富さが欠けていることが多く、その結果、モデルが特定の欠陥カテゴリや位置を識別できなくなります。この問題を解決するために、広州香港科技大學と Simou Technology で構成されるトップの研究チームは、産業(yè)欠陥に関する詳細かつ意味的に豊富な大規(guī)模なアノテーションを提供する「DefectSpectrum」データセットを革新的に開発しました。表 1 に示すように、他の産業(yè)データ セットと比較して、「DefectSpectrum」データ セットは最も多くの欠陥注釈 (5438 個の欠陥サンプル) と最も詳細な欠陥分類 (125 個の欠陥カテゴリ) を提供します。
NVIDIA 対話モデル ChatQA はバージョン 2.0 に進化し、コンテキストの長さは 128K と記載されています
Jul 26, 2024 am 08:40 AM
オープンな LLM コミュニティは百花繚亂の時代です Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1 などがご覧いただけます。優(yōu)秀なパフォーマーモデル。しかし、GPT-4-Turboに代表される獨自の大型モデルと比較すると、オープンモデルには依然として多くの分野で大きなギャップがあります。一般的なモデルに加えて、プログラミングと數(shù)學用の DeepSeek-Coder-V2 や視覚言語タスク用の InternVL など、主要な領域に特化したいくつかのオープン モデルが開発されています。
結晶相問題を解決するための數(shù)百萬の結晶データを使用したトレーニング、深層學習手法 PhAI が Science 誌に掲載
Aug 08, 2024 pm 09:22 PM
編集者 |KX 今日に至るまで、単純な金屬から大きな膜タンパク質(zhì)に至るまで、結晶學によって決定される構造の詳細と精度は、他のどの方法にも匹敵しません。しかし、最大の課題、いわゆる位相問題は、実験的に決定された振幅から位相情報を取得することのままです。デンマークのコペンハーゲン大學の研究者らは、結晶相の問題を解決するための PhAI と呼ばれる深層學習手法を開発しました。數(shù)百萬の人工結晶構造とそれに対応する合成回折データを使用して訓練された深層學習ニューラル ネットワークは、正確な電子密度マップを生成できます。この研究では、この深層學習ベースの非経験的構造解法は、従來の非経験的計算法とは異なり、わずか 2 オングストロームの解像度で位相問題を解決できることが示されています。これは、原子解像度で利用可能なデータのわずか 10% ～ 20% に相當します。
Google AI が IMO 數(shù)學オリンピック銀メダルを獲得、數(shù)理推論モデル AlphaProof が発売、強化學習が復活
Jul 26, 2024 pm 02:40 PM
AI にとって、數(shù)學オリンピックはもはや問題ではありません。木曜日、Google DeepMind の人工知能は、AI を使用して今年の國際數(shù)學オリンピック IMO の本當の問題を解決するという偉業(yè)を達成し、金メダル獲得まであと一歩のところまで迫りました。先週終了したばかりの IMO コンテストでは、代數(shù)、組合せ論、幾何學、數(shù)論を含む 6 つの問題が出題されました。 Googleが提案したハイブリッドAIシステムは4問正解で28點を獲得し、銀メダルレベルに達した。今月初め、UCLA 終身教授のテレンス?タオ氏が、100 萬ドルの賞金をかけて AI 數(shù)學オリンピック (AIMO Progress Award) を宣伝したばかりだったが、予想外なことに、AI の問題解決のレベルは 7 月以前にこのレベルまで向上していた。 IMO に関する質(zhì)問を同時に行うのが最も難しいのは、最も歴史が長く、規(guī)模が最も大きく、最も否定的な IMO です。
新しい科學的で複雑な質(zhì)問応答ベンチマークと大規(guī)模モデルの評価システムを提供するために、UNSW、アルゴンヌ、シカゴ大學、およびその他の機関が共同で SciQAG フレームワークを立ち上げました。
Jul 25, 2024 am 06:42 AM
編集者 |ScienceAI 質(zhì)問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質(zhì)の QA データ セットは、モデルの微調(diào)整に使用できるだけでなく、大規(guī)模言語モデル (LLM) の機能、特に科學的知識を理解し推論する能力を効果的に評価することもできます?，F(xiàn)在、醫(yī)學、化學、生物學、その他の分野をカバーする多くの科學 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠點があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質(zhì)問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科學的な質(zhì)問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A
PRO | なぜ MoE に基づく大規(guī)模モデルがより注目に値するのでしょうか?
Aug 07, 2024 pm 07:08 PM
2023 年には、AI のほぼすべての分野が前例のない速度で進化しています。同時に、AI は身體化されたインテリジェンスや自動運転などの主要な分野の技術的限界を押し広げています。マルチモーダルの流れのもと、AI大型モデルの主流アーキテクチャとしてのTransformerの狀況は揺るがされるだろうか？ MoE (専門家混合) アーキテクチャに基づく大規(guī)模モデルの検討が業(yè)界の新しいトレンドになっているのはなぜですか?ラージ ビジョン モデル (LVM) は、一般的な視覚における新たなブレークスルーとなる可能性がありますか? ...過去 6 か月間にリリースされたこのサイトの 2023 PRO メンバー ニュースレターから、上記の分野の技術トレンドと業(yè)界の変化を詳細に分析し、新しい分野での目標を達成するのに役立つ 10 の特別な解釈を選択しました。準備してください。この解釈は 2023 年の Week50 からのものです
Transformer に基づく浙江大學の化學逆合成予測モデルは、Nature サブジャーナルで 60.8% に達しました。
Aug 06, 2024 pm 07:34 PM
編集者 | KX 逆合成は創(chuàng)薬や有機合成において重要なタスクであり、そのプロセスを高速化するために AI の使用が増えています。既存の AI 手法はパフォーマンスが不十分で、多様性が限られています。実際には、化學反応は多くの場合、反応物と生成物の間にかなりの重複を伴??う局所的な分子変化を引き起こします。これに觸発されて、浙江大學のHou Tingjun氏のチームは、単一ステップの逆合成予測を分子列編集タスクとして再定義し、標的分子列を反復的に改良して前駆體化合物を生成することを提案した。そして、高品質(zhì)かつ多様な予測を?qū)g現(xiàn)できる編集ベースの逆合成モデルEditRetroを提案する。広範な実験により、このモデルが標準ベンチマーク データ セット USPTO-50 K で優(yōu)れたパフォーマンスを達成し、トップ 1 の精度が 60.8% であることが示されました。
SOTA パフォーマンス、廈門マルチモーダルタンパク質(zhì)-リガンド親和性予測 AI 手法、初めて分子表面情報を結合
Jul 17, 2024 pm 06:37 PM
編集者 | KX 醫(yī)薬品の研究開発の分野では、タンパク質(zhì)とリガンドの結合親和性を正確かつ効果的に予測することが、醫(yī)薬品のスクリーニングと最適化にとって重要です。しかし、現(xiàn)在の研究では、タンパク質(zhì)とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大學の研究者らは、初めてタンパク質(zhì)の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質(zhì)-リガンド結合親和性の予測において最先端の性能を達成することを?qū)g証しています。さらに、アブレーション研究は、この枠組み內(nèi)でのタンパク質(zhì)表面情報と多峰性特徴の位置合わせの有効性と必要性??を?qū)g証しています。 「S」で始まる関連研究
