


Künstliche Intelligenz steuert „computergestützten Geruch' zur Insektenbekämpfung
Das Maschinengeruch-Startup Osmo wurde im Januar 2023 gegründet und erhielt eine Serie-A-Finanzierung in Höhe von 60 Millionen US-Dollar unter der Leitung von Lux Capital und Google Ventures. Osmo kombiniert maschinelles Lernen, Datenwissenschaft, Psychophysik, olfaktorische Neurowissenschaften, Elektrotechnik und Chemie in einem multidisziplinären Ansatz zur Digitalisierung des Geruchs.
Osmos Arbeit basiert auf maschineller Geruchsforschung, die vom Google Research-Team validiert wurde, einschließlich einer Studie aus dem Jahr 2019, bei der graphische neuronale Netze zur Vorhersage des Geruchs von Molekülen verwendet wurden. Das Unternehmen hat damit begonnen, den Duftmarkt zu testen, mit dem Ziel, eine neue Generation besserer, sichererer und umweltfreundlicherer Duftmoleküle zu entwickeln. Osmo hofft, mit der Zeit größere Erfolge in Bereichen wie der öffentlichen Gesundheit und der Landwirtschaft zu erzielen
Kürzlich gab Osmo bekannt, dass es von der Bill & Melinda Gates Foundation einen Zuschuss in Höhe von 3,5 Millionen US-Dollar erhalten hat, um die Duftplattform des Unternehmens mit künstlicher Intelligenz zu entdecken und voranzutreiben produzieren Verbindungen, die krankheitsübertragende Insekten abwehren, anlocken oder zerstören, um die Gesundheit von Mensch und Tier zu verbessern. Die Finanzierung ergänzt die Kapitalinvestition in Höhe von 5 Millionen US-Dollar, die die Gates Foundation bei ihrer Gründung im Januar 2023 in Osmo getätigt hat.
Die Weltgesundheitsorganisation (WHO) schätzt, dass krankheitsübertragende Insekten wie Mücken jedes Jahr weltweit Hunderte von Todesfällen verursachen Menschen starben. Da Insekten bei der Navigation und Lokalisierung potenzieller Ziele stark auf ihren Geruchssinn angewiesen sind, ist der Geruchssinn der direkteste Weg, krankheitsübertragende Insekten vom Menschen fernzuhalten. Entwicklung von Verbindungen mit spezifischen Gerüchen, die Insekten wirksam abwehren oder abschrecken können, wodurch die Anziehungskraft menschlicher Wirte auf sie zerstört, die Ausbreitung von Krankheiten minimiert und eine gezielte und wirksame Methode zur Insektenbekämpfung bereitgestellt wird
Osmo „Durch die Verwendung neuer Geruchsmoleküle „Wir können krankheitsübertragende Insekten effektiver vom Kontakt mit Menschen fernhalten und so möglicherweise Millionen von Leben retten“, sagte CEO Alex Wiltschko. „Innerhalb von Milliarden potenzieller Moleküle können wir krankheitsübertragende Insekten effektiver vom Kontakt mit Menschen fernhalten und so möglicherweise Millionen Leben retten.“ von Leben.“ Nur ein paar Tausend aus dem riesigen Raum wurden auf diese Fähigkeit untersucht. Mit großzügiger Unterstützung der Gates Foundation nutzen wir unsere KI-gestützte Duftplattform, um diesen riesigen chemischen Raum zu analysieren und die Fähigkeiten zu entdecken, die sich verändern können „Insekten verhindern Krankheiten mit neuartigen Formulierungen, die für die Gesundheit von Mensch und Tier wirksam, sicher und erschwinglich sind.“ Forschungsarbeit Ende 2022. Im Pilotprojekt trainierte das Forschungsteam ein hochmodernes Rechenmodell anhand des bisher größten Mückenschutzdatensatzes in der Geschichte. Das Team evaluierte das Modell experimentell anhand von etwa 400 Abwehrmolekülen mit unterschiedlichen chemischen Eigenschaften und identifizierte acht, die abweisender waren als die weit verbreiteten Substanzen DEET und Picaridin.
Im aktuellen Projekt wird Osmo auf einem Proof-of-Concept-Pilotprojekt mit den Hauptzielen aufbauen:Die bisherige Forschung mindestens um das Zehnfache erweitern, indem mehr Daten einbezogen und mehr Verbindungen getestet werden.
Mit maschinellen Lerntechniken können wir vielversprechende, neuartige, kostengünstige und vielfältige chemische Kandidatenmoleküle entdecken.
Wir müssen Vorhersagemodelle entwickeln, die die realen Einschränkungen berücksichtigen, die mit Kandidatenmolekülen verbunden sind, einschließlich Kosten, räumliche Ausdehnung, biologische Abbaubarkeit, Toxizität und menschliche Geruchswahrnehmung
Wir müssen neuartige Abwehrmittelkandidaten für Versuche am Menschen und zur Bewertung der ökologischen Auswirkungen synthetisieren, testen und optimieren
Wir können dieses Abwehrmittelmodell gegen Mücken nutzen, um die Wirksamkeit der Maschine zu beweisen Lernen bei der Entdeckung neuer Mückenlockstoffe, die den vorhandenen Lockstoffen überlegen sind
Osmos Insektenbekämpfungsplattform ist so konzipiert, dass sie die neueste Technologie des maschinellen Lernens und der generativen künstlichen Intelligenz in großem Umfang nutzt, die es Systemen ermöglicht, die potenzielle Wirksamkeit und Sicherheit von Milliarden zu bewerten von Molekülen in nur wenigen Sekunden
“, sagte Meg Young, Assistenzprofessorin am Fachbereich Biologie der Boston University. Methoden des maschinellen Lernens haben ein erhebliches Potenzial, die Entdeckung und Entwicklung verbesserter Mückenschutzmittel und Lockstoffe zu beschleunigen. „Osmos Modell ist vielversprechend und ich bin gespannt auf die Fortschritte des Teams in den kommenden Jahren.“ „
Osmos Insektenbekämpfungsarbeit ist Teil der Mission des Unternehmens, die Gesundheit und das Wohlbefinden des menschlichen Lebens zu verbessern, indem es Computern einen Geruchssinn verleiht. Im Mittelpunkt dieser Mission steht eine von Osmo erstellte „Geruchskarte“. Team für die Vorhersage der Struktur und des Geruchs von Molekülen
„Osmo enthüllt überraschende Zusammenhänge zwischen dem Geruchssinn von Insekten und Menschen, und unsere Geruchskarte sagt die olfaktorischen Auswirkungen von Molekülen auf Menschen und Insekten voraus“, sagte Wiltschko. „Es wird viele potenzielle Wege für unsere Mission geben, den Geruchssinn zu digitalisieren. Die Welt zu einem.“ Wir freuen uns alle besonders darüber, unsere Karten zur Entwicklung neuer Moleküle zu nutzen, um die Ausbreitung von durch Insekten übertragenen Krankheiten zu stoppen.“
Das obige ist der detaillierte Inhalt vonKünstliche Intelligenz steuert „computergestützten Geruch' zur Insektenbekämpfung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G
