


L'intelligence artificielle génère une « odeur informatisée » pour lutter contre les insectes
La start-up Osmo, créée en janvier 2023, a reçu 60 millions de dollars américains dans le cadre d'un financement de série A dirigé par Lux Capital et Google Ventures. Osmo combine l'apprentissage automatique, la science des données, la psychophysique, les neurosciences olfactives, l'ingénierie électrique et la chimie dans une approche multidisciplinaire de la numérisation des odeurs.
Le travail d'Osmo est basé sur des recherches sur les odeurs de machines validées par l'équipe de recherche de Google, notamment une étude de 2019 utilisant des réseaux de neurones graphiques pour prédire l'odeur des molécules. L'entreprise a commencé à tester le marché des parfums, dans le but de créer une nouvelle génération de molécules de parfum meilleures, plus sûres et plus respectueuses de l'environnement. Au fil du temps, Osmo espère obtenir de plus grands succès dans des domaines tels que la santé publique et l'agriculture.
Récemment, Osmo a annoncé avoir reçu une subvention de 3,5 millions de dollars de la Fondation Bill & Melinda Gates pour faire progresser cette plateforme de parfums d'intelligence artificielle de l'entreprise pour découvrir et produire des composés qui repoussent, attirent ou détruisent les insectes porteurs de maladies pour améliorer la santé animale et humaine. Ce financement complète l'investissement en actions de 5 millions de dollars que la Fondation Gates a réalisé dans Osmo lors de sa création en janvier 2023.
L'Organisation mondiale de la santé (OMS) estime que les insectes porteurs de maladies tels que les moustiques provoquent des centaines de décès dans le monde chaque année. des gens sont morts. Étant donné que les insectes s’appuient largement sur leur odorat pour naviguer et localiser leurs cibles potentielles, l’odeur devient le moyen le plus direct d’éloigner les insectes porteurs de maladies des humains. Développer des composés avec des odeurs spécifiques qui peuvent repousser ou dissuader efficacement les insectes, détruisant ainsi l'attraction des hôtes humains vers eux, minimisant la propagation des maladies et fournissant une méthode ciblée et efficace de lutte contre les insectes
Osmo "En utilisant de nouvelles molécules odorantes, nous pouvons éloigner plus efficacement les insectes porteurs de maladies du contact humain, sauvant potentiellement des millions de vies », a déclaré le PDG Alex Wiltschko. « Grâce à des milliards de molécules potentielles, nous pouvons éloigner plus efficacement les insectes porteurs de maladies du contact humain, sauvant potentiellement des millions de personnes. de vies." Seuls quelques milliers de personnes dans ce vaste espace ont été examinées pour cette capacité. Avec le soutien généreux de la Fondation Gates, nous utilisons notre plateforme olfactive alimentée par l'IA pour analyser ce vaste espace chimique et découvrir les capacités qui peuvent changer Les insectes agissent pour prévenir les maladies grâce à de nouvelles formulations efficaces, sûres et abordables pour la santé humaine et animale. document de recherche fin 2022. Dans le cadre du projet pilote, l’équipe de recherche a formé un modèle informatique de pointe sur le plus grand ensemble de données anti-moustiques de l’histoire à ce jour. L'équipe a évalué expérimentalement le modèle sur environ 400 molécules répulsives de propriétés chimiques différentes, en identifiant huit qui étaient plus répulsives que le DEET et la Picaridine, largement utilisés.
Dans le projet actuel, Osmo s'appuiera sur un projet pilote de validation de principe dont les principaux objectifs sont les suivants :Développer au moins dix fois les recherches précédentes en incorporant plus de données et davantage de tests sur davantage de composés.
Grâce aux techniques d'apprentissage automatique, nous pouvons découvrir des molécules chimiques candidates prometteuses, nouvelles, bon marché et diverses.
Nous devons développer des modèles prédictifs qui prennent en compte les contraintes du monde réel associées aux molécules candidates, notamment le coût, étendue spatiale, biodégradabilité, toxicité et perception des odeurs humaines
Nous devons synthétiser, tester et optimiser de nouveaux candidats répulsifs pour les essais sur l'homme et l'évaluation de l'impact écologique
Nous pouvons exploiter ce modèle d'agent répulsif contre les moustiques pour prouver l'efficacité de la machine apprendre en découvrant de nouveaux attractifs contre les moustiques qui seront supérieurs aux attractifs existants
La plate-forme de lutte contre les insectes d'Osmo est conçue pour utiliser largement les dernières technologies d'apprentissage automatique et d'intelligence artificielle générative, qui permettent aux systèmes d'évaluer l'efficacité et la sécurité potentielles de milliards de molécules en quelques secondes seulement
", a déclaré Meg Young, professeur adjoint au département de biologie de l'Université de Boston. Les méthodes d'apprentissage automatique ont un potentiel important pour accélérer la découverte et la conception de répulsifs et d'attractifs anti-moustiques améliorés. "Le modèle d'Osmo est très prometteur et je suis enthousiasmé par les progrès de l'équipe dans les années à venir." «
Le travail de lutte contre les insectes d'Osmo fait partie de la mission de l'entreprise visant à améliorer la santé et le bien-être de la vie humaine en donnant aux ordinateurs un sens de l'odorat. Au cœur de cette mission se trouve une « carte des odeurs » construite par Osmo. équipe pour Prédire la structure et l'odeur des molécules
"Osmo révèle des liens surprenants entre l'olfaction des insectes et celle des humains, et notre carte des odeurs prédit les effets olfactifs des molécules sur les humains et les insectes", a déclaré Wiltschko. "Il y aura de nombreuses voies potentielles pour notre mission de numériser l'olfaction. Faire du monde un monde meilleur." un endroit plus sain et plus heureux. Nous sommes tous particulièrement enthousiastes à l'idée d'utiliser nos cartes pour concevoir de nouvelles molécules pour arrêter la propagation des maladies transmises par les insectes.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
