


Nvidia und Genentech schließen sich zusammen, um mithilfe künstlicher Intelligenz die Medikamentenentwicklung zu beschleunigen
Nvidia arbeitet mit dem Biotech-Riesen Genentech zusammen. Die beiden Parteien planen, die fortschrittlichsten Fähigkeiten der künstlichen Intelligenz (einschließlich generativer KI) zu nutzen, um die Arzneimittelforschung über viele Jahre hinweg zu beschleunigen. Nvidia arbeitet mit dem Biotech-Riesen Genentech zusammen, und die beiden Parteien planen, mehrere Jahre lang modernste Fähigkeiten der künstlichen Intelligenz, einschließlich generativer KI, einzusetzen, um die Medikamentenentwicklung zu beschleunigen
Nvidia hofft, seine generativen KI-Modelle und -Algorithmen nutzen zu können In eine „KI-Plattform der nächsten Generation“ umgewandelt, um die fortschrittlichen KI-Forschungsprogramme von Genentech zu verbessern und die Entdeckung neuer Behandlungen und Medikamente zu beschleunigen.
Genentech plant, die Expertise von Nvidia zu nutzen, um die von ihm selbst entwickelten Algorithmen und Modelle für maschinelles Lernen deutlich zu verbessern. Dazu planen sie, Nvidias DGX Cloud zu nutzen, eine Training-as-a-Service-Plattform, die auf Nvidias proprietärer KI-Hardware basiert. DGX Cloud umfasst Nvidias GPU und Software wie Nvidia BioNemo
BioNeMo wird Benutzern jetzt als neue Plattform für Schulungsdienste bereitgestellt, die zu einem bestimmten Bereich gehören. Die Plattform vereinfacht, beschleunigt und skaliert den Prozess der Anwendung generativer künstlicher Intelligenz auf die Arzneimittelforschung und ermöglicht es Forschern, hochmoderne Modelle in der DGX Cloud vorab zu trainieren oder zu optimieren.
Nvidia wird seine Computerkompetenz in Zusammenarbeit mit teilen Genentech-Wissen. Nvidia sagte, dass sie eng mit dem Team von Computerwissenschaftlern von Genentech zusammenarbeiten werden, um KI-Modelle zu optimieren und zu skalieren und ihre eigene Plattform zu verbessern.
Die Entdeckung und Entwicklung von Medikamenten ist ein extrem langer und komplexer Prozess, und es ist für Wissenschaftler schwierig, die Ziele neuer Medikamente vorherzusagen Es bleibt äußerst schwierig, und die Entwicklung von Molekülen mit therapeutischem Potenzial ist ebenfalls äußerst schwierig. Genentech sagte, dass dieser Prozess noch sehr unsicher sei. Genentech ist jedoch davon überzeugt, dass KI eine Schlüsselrolle dabei spielen kann, dies zu erleichtern. Genentech sagte, dass KI dazu beitragen wird, dass der Prozess der Arzneimittelentdeckung vorhersehbarer und kosteneffizienter wird, und dass sie langfristig die Erfolgsquote von Forschungs- und Entwicklungsprojekten verbessern kann.
Aviv Regev, Executive Vice President und Leiter Forschung und frühe Entwicklung bei Genentech, sagte, die Initiative werde seinem Unternehmen helfen, neue wissenschaftliche Entdeckungen in „unglaublicher Geschwindigkeit“ zu erzielen und Erkenntnisse in großem Maßstab zu generieren. Er sagte: „Die Kombination von Wissenschaft und Technologie war schon immer die Grundlage für die biomedizinischen Durchbrüche von Genentech, und wir freuen uns, mit Nvidia zusammenzuarbeiten, um unsere Arzneimittelforschung und -entwicklung weiter zu optimieren, um Behandlungen bereitzustellen, die das Leben der Menschen verändern.“
Genentechs KI Das Team ist damit beschäftigt, grundlegende Modelle für KI und maschinelles Lernen in mehreren Forschungsbereichen zu entwickeln und verschiedene Behandlungsmodalitäten abzudecken. Ihr Ziel ist es, Einblicke in die Arzneimittelforschung zu gewinnen und gleichzeitig grundlegende Fragen zur menschlichen Biologie und Krankheit zu beantworten.
Der umgeschriebene Inhalt lautet: Ein weiteres Ziel von Genentech ist die Beschleunigung der Weiterentwicklung seiner „Circular Labs“-Initiative, die sich auf die Nutzung von Experimenten konzentriert. Daten informieren über Rechenmodelle Dadurch können sie darin Muster entdecken und neue, experimentell überprüfbare Vorhersagen treffen. Laut Genentech können ihre Wissenschaftler nun die Plattform von Nvidia nutzen, um diese Vorhersagen schneller auszuwerten und die Ergebnisse in ihre zugrunde liegenden Rechenmodelle einzuspeisen, um Verbesserungen zu erzielen und wirksamere Therapien zu entwickeln.
Diese Zusammenarbeit wird auch die proprietären Daten von Genentech nutzen Aufgrund öffentlich verfügbarer Datensätze hat Nvidia selbst keinen Zugriff auf die Daten von Genentech, ohne eine besondere Genehmigung zur Nutzung der Daten in einem bestimmten Projekt einzuholen.
Das obige ist der detaillierte Inhalt vonNvidia und Genentech schließen sich zusammen, um mithilfe künstlicher Intelligenz die Medikamentenentwicklung zu beschleunigen. 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

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

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

Eines der herausragenden Features von Cyberpunk 2077 ist die Pfadverfolgung, die jedoch die Leistung stark beeinträchtigen kann. Selbst Systeme mit halbwegs leistungsfähigen Grafikkarten wie die RTX 4080 (Gigabyte AERO OC aktuell 949,99 $ bei Amazon) haben Schwierigkeiten, eine stabile Leistung zu bieten

OneXGPU 2 ist die erste eGPU mit der Radeon RX 7800M, einer GPU, die selbst AMD noch nicht angekündigt hat. Wie One-Netbook, der Hersteller der externen Grafikkartenlösung, verriet, basiert die neue AMD-GPU auf der RDNA-3-Architektur und verfügt über das Navi

Nvidia führte erstmals 2013 die G-Sync-Technologie mit variabler Bildwiederholfrequenz (VRR) ein, um Bildschirmrisse, Stottern und Eingabeverzögerungen in Spielen zu verhindern. Dies funktionierte im Wesentlichen durch die Synchronisierung der Ausgabe-fps der GPU mit der Bildwiederholfrequenz des Monitors. Anforderungen b

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

Nvidia stellte das Shield TV Pro bereits 2019 vor und es gibt noch keinen Nachfolger. Es verfügt über identische Hardware wie die Nintendo Switch, die ebenfalls schon lange ohne Nachfolger auf dem Markt ist. Nun, obwohl dieser Android-TV

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

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
