기술 주변기기 일체 포함 최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

Jun 22, 2024 am 06:43 AM
이론

편집자 | Ziluo

신약 발견을 간소화하기 위한 AI의 사용이 폭발적으로 증가하고 있습니다. 신약 개발에 필요한 특성을 가질 수 있는 수십억 개의 후보 분자를 스크리닝합니다. 재료 가격부터 오류 위험까지 고려해야 할 변수가 너무 많아 과학자들이 AI를 사용하더라도 최고의 후보 분자를 합성하는 데 드는 비용을 평가하는 것은 쉬운 일이 아닙니다.

여기서 MIT 연구원들은 정량적 결정 알고리즘 프레임워크인 SPARROW를 개발하여 최고의 분자 후보를 자동으로 식별함으로써 합성 비용을 최소화하는 동시에 후보가 원하는 특성을 가질 가능성을 최대화했습니다. 알고리즘은 또한 이러한 분자를 합성하는 데 필요한 재료와 실험 단계를 결정했습니다.

SPARROW는 여러 후보 분자가 동일한 화합물 중 일부에서 파생될 수 있기 때문에 한 번에 분자 배치를 합성하는 비용을 고려합니다. 또한 이 통합 접근 방식을 통해 온라인 저장소 및 널리 사용되는 AI 도구에서 분자 설계, 특성 예측 및 합성 계획에 대한 중요한 정보에 액세스할 수 있습니다.

SPARROW는 제약회사가 보다 효율적으로 신약을 발견할 수 있도록 돕는 것 외에도 새로운 농약을 개발하거나 유기전자공학에 특화된 소재를 발견하는 데에도 사용될 수 있습니다.

"분자 설계에서 합성 비용 인식 의사 결정을 위한 알고리즘 프레임워크"라는 제목의 관련 연구가 6월 19일 "Nature Computational Science"에 게재되었습니다.

최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

논문 링크: https://www.nature.com/articles/s43588-024-00639-y

"화합물의 선택은 예술이며 때로는 매우 성공적인 예술입니다. 하지만 주어진 우리는 분자가 어떻게 행동하고 합성될 수 있는지에 대한 정보를 제공하는 모든 모델과 예측 도구를 가지고 있기 때문에 그 정보를 사용하여 우리가 내리는 결정을 내려야 합니다."라고 논문의 교신 저자이자 학과 조교수인 Connor는 말했습니다. MIT의 화학공학과가 말했습니다.

정량적 의사결정 알고리즘 프레임워크 SPARROW

"합성 계획 및 보상 기반 경로 최적화 워크플로우, SPARROW"는 설계 주기를 구동하는 데 사용되는 알고리즘 의사결정 프레임워크입니다.

최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

그림: SPARROW의 개요와 분자 설계 주기에서의 역할. (출처: 논문)

이 연구는 여러 분자에 대한 합성 경로의 동시 선택과 제품 및 공정 시스템 설계의 통합을 위한 초기 문제 공식화를 기반으로 합니다. 기존 스크리닝 방법과 달리 SPARROW는 후보 분자 라이브러리에서 분자와 추정 합성 경로의 우선순위를 지정하기 위해 비용과 유용성의 균형을 맞추는 다목적 최적화 기준을 사용합니다.

SPARROW는 후보 표적 분자와 합성 경로로 구성된 반응 네트워크를 생성합니다. 그래프 기반 최적화 문제를 해결함으로써 일련의 분자 및 합성 경로를 선별하여 누적 합성 비용과 유용성의 균형을 최적으로 맞출 수 있습니다. 이러한 맥락에서 유틸리티는 분자 특성을 평가하는 가치를 측정합니다.

적절한 유용성 측정은 적용 및 디자인 단계에 따라 다릅니다. 여기에는 분자 특성 예측, 이러한 예측의 불확실성 또는 구조-특성 관계를 개선하기 위한 새로운 데이터 포인트의 가능성이 포함될 수 있습니다. 각 후보 분자와 관련된 유용성을 나타내는 해당 보상과 함께 후보 라이브러리를 SPARROW에 제공해야 합니다.

최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

삽화: SPARROW의 문제 진술. (출처: Paper)

분자 선택에 대한 보상은 해당 분자를 합성하기 위해 선택한 반응 단계의 성공 여부에 따라 달라집니다. 후보 분자의 합성 경로에서 반응 단계가 실패하면 정보를 얻을 수 없습니다. 연구진은 후보 분자를 선택할 때 예상되는 보상을 최대화함으로써 이를 공식화했는데, 이는 보상에 분자 합성 성공 확률을 곱하여 표현될 수 있습니다.

비용과 유틸리티의 균형을 유지하면서 SPARROW의 목표는 선택한 모든 목표의 예상 보상을 선택한 경로를 사용하여 선택한 모든 목표를 합성하는 비용으로 나누어 공식화할 수 있습니다.

복잡한 비용 고려 사항

어떤 의미에서 과학자들이 특정 분자를 합성하고 테스트해야 하는지 여부는 합성 비용과 실험 가치의 문제로 귀결됩니다. 그러나 비용이나 가치를 결정하는 것 자체는 어려운 문제이다.

SPARROW는 분자 합성과 관련된 공유 중간 화합물을 고려하고 이 정보를 비용 대비 가치 함수에 통합하여 이러한 문제를 해결합니다.

"분자 배치를 설계하는 최적화 문제에 대해 생각할 때 새로운 구조를 추가하는 비용은 이미 선택한 분자에 따라 달라집니다"라고 Coley는 말했습니다.

프레임워크에서는 출발 물질의 비용, 각 합성 경로에 관련된 반응 수, 첫 번째 시도에서 해당 반응이 성공할 가능성 등의 요소도 고려합니다.

SPARROW를 사용하기 위해 과학자들은 테스트를 고려 중인 일련의 분자 화합물과 찾고자 하는 특성의 정의를 제공합니다.

다음으로 SPARROW는 분자 및 합성 경로에 대한 정보를 수집한 다음 후보군 합성 비용과 각 분자의 가치를 비교합니다. 사용자 기준을 충족하는 최상의 후보 하위 집합을 자동으로 선택하고 이러한 화합물에 대해 가장 비용 효율적인 합성 경로를 찾습니다.

논문의 첫 번째 저자인 Jenna Fromer는 "이러한 모든 최적화를 한 단계로 수행하므로 이러한 모든 경쟁 목표를 동시에 포착할 수 있습니다."라고 말했습니다.

다기능 프레임워크

SPARROW는 인간이 설계한 분자 구조, 가상 카탈로그에 존재하는 분자 구조 또는 생성 AI 모델에 의해 생성된 이전에 볼 수 없었던 분자 구조를 통합할 수 있다는 점에서 독특합니다.

"우리는 다양한 아이디어 소스를 보유하고 있습니다. SPARROW의 매력 중 하나는 이러한 모든 아이디어를 공평한 경쟁의 장에 놓을 수 있다는 것입니다."라고 Coley는 덧붙였습니다.

연구원들은 세 가지 사례 연구를 통해 분자 설계 주기를 조율하는 SPARROW의 능력을 보여줍니다. 이러한 애플리케이션은 SPARROW가 (1) 정보 획득과 ​​합성 비용의 균형을 성공적으로 맞추고, (2) 분자 배치에 대한 합성 비용의 비가산성을 포착하고, (3) 수백 개의 분자가 포함된 후보 라이브러리로 확장하는 방법을 보여줍니다.

최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.

그림: 14개의 ASCT2 억제제 후보 라이브러리에서 비용과 보상의 균형을 맞추는 SPARROW의 능력을 보여줍니다. (출처: 논문)

그들은 SPARROW가 배치 합성의 한계 비용을 효과적으로 포착하고 일반적인 실험 단계와 중간 화학 물질을 식별한다는 것을 발견했습니다. 또한 수백 가지의 잠재적인 분자 후보를 처리하도록 확장할 수 있습니다.

「화학 기계 학습 커뮤니티에는 역합성이나 분자 특성 예측에 적합한 모델이 많이 있는데, 실제로 이를 어떻게 사용합니까? 우리 프레임워크는 이러한 예비 연구의 가치를 활용하는 것을 목표로 합니다. 다른 연구자들이 자신의 비용 및 효용 함수를 사용하여 복합 스크리닝에 대해 생각하도록 안내합니다."라고 Fromer는 말했습니다.

앞으로 연구자들은 SPARROW에 더 많은 복잡성을 통합하기를 희망합니다. 예를 들어, 그들은 화합물 테스트의 가치가 항상 일정하지 않을 수 있다는 점을 알고리즘이 고려할 수 있기를 희망합니다. 그들은 또한 비용 대비 가치 기능에 더 많은 병렬 화학 원소를 포함하기를 원합니다.

참고 내용: https://news.mit.edu/2024/smarter-way-streamline-drug-discovery-0617

위 내용은 최고의 분자를 자동으로 식별하고 합성 비용을 절감합니다. MIT는 분자 설계 의사결정 알고리즘 프레임워크를 개발합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

'Defect Spectrum'은 기존 결함 감지의 경계를 뛰어넘어 초고정밀 및 풍부한 의미론적 산업 결함 감지를 최초로 달성합니다. 'Defect Spectrum'은 기존 결함 감지의 경계를 뛰어넘어 초고정밀 및 풍부한 의미론적 산업 결함 감지를 최초로 달성합니다. Jul 26, 2024 pm 05:38 PM

현대 제조업에서 정확한 결함 검출은 제품 품질을 보장하는 열쇠일 뿐만 아니라 생산 효율성을 향상시키는 핵심이기도 합니다. 그러나 기존 결함 감지 데이터세트는 실제 적용에 필요한 정확성과 의미론적 풍부함이 부족한 경우가 많아 모델이 특정 결함 카테고리나 위치를 식별할 수 없게 됩니다. 이 문제를 해결하기 위해 광저우 과학기술대학교와 Simou Technology로 구성된 최고 연구팀은 산업 결함에 대한 상세하고 의미론적으로 풍부한 대규모 주석을 제공하는 "DefectSpectrum" 데이터 세트를 혁신적으로 개발했습니다. 표 1에서 볼 수 있듯이, 다른 산업 데이터 세트와 비교하여 "DefectSpectrum" 데이터 세트는 가장 많은 결함 주석(5438개의 결함 샘플)과 가장 상세한 결함 분류(125개의 결함 카테고리)를 제공합니다.

NVIDIA 대화 모델 ChatQA는 버전 2.0으로 발전했으며 컨텍스트 길이는 128K로 언급되었습니다. NVIDIA 대화 모델 ChatQA는 버전 2.0으로 발전했으며 컨텍스트 길이는 128K로 언급되었습니다. Jul 26, 2024 am 08:40 AM

오픈 LLM 커뮤니티는 백개의 꽃이 피어 경쟁하는 시대입니다. Llama-3-70B-Instruct, QWen2-72B-Instruct, Nemotron-4-340B-Instruct, Mixtral-8x22BInstruct-v0.1 등을 보실 수 있습니다. 훌륭한 연기자. 그러나 GPT-4-Turbo로 대표되는 독점 대형 모델과 비교하면 개방형 모델은 여전히 ​​많은 분야에서 상당한 격차를 보이고 있습니다. 일반 모델 외에도 프로그래밍 및 수학을 위한 DeepSeek-Coder-V2, 시각 언어 작업을 위한 InternVL과 같이 핵심 영역을 전문으로 하는 일부 개방형 모델이 개발되었습니다.

수백만 개의 결정 데이터로 훈련하여 결정학적 위상 문제를 해결하는 딥러닝 방법인 PhAI가 Science에 게재되었습니다. 수백만 개의 결정 데이터로 훈련하여 결정학적 위상 문제를 해결하는 딥러닝 방법인 PhAI가 Science에 게재되었습니다. Aug 08, 2024 pm 09:22 PM

Editor |KX 오늘날까지 단순한 금속부터 큰 막 단백질에 이르기까지 결정학을 통해 결정되는 구조적 세부 사항과 정밀도는 다른 어떤 방법과도 비교할 수 없습니다. 그러나 가장 큰 과제인 소위 위상 문제는 실험적으로 결정된 진폭에서 위상 정보를 검색하는 것입니다. 덴마크 코펜하겐 대학의 연구원들은 결정 위상 문제를 해결하기 위해 PhAI라는 딥러닝 방법을 개발했습니다. 수백만 개의 인공 결정 구조와 그에 상응하는 합성 회절 데이터를 사용하여 훈련된 딥러닝 신경망은 정확한 전자 밀도 맵을 생성할 수 있습니다. 연구는 이 딥러닝 기반의 순순한 구조 솔루션 방법이 단 2옹스트롬의 해상도로 위상 문제를 해결할 수 있음을 보여줍니다. 이는 원자 해상도에서 사용할 수 있는 데이터의 10~20%에 해당하는 반면, 기존의 순순한 계산은

Google AI가 IMO 수학 올림피아드 은메달을 획득하고 수학적 추론 모델 AlphaProof가 출시되었으며 강화 학습이 다시 시작되었습니다. Google AI가 IMO 수학 올림피아드 은메달을 획득하고 수학적 추론 모델 AlphaProof가 출시되었으며 강화 학습이 다시 시작되었습니다. Jul 26, 2024 pm 02:40 PM

AI의 경우 수학 올림피아드는 더 이상 문제가 되지 않습니다. 목요일에 Google DeepMind의 인공 지능은 AI를 사용하여 올해 국제 수학 올림피아드 IMO의 실제 문제를 해결하는 위업을 달성했으며 금메달 획득에 한 걸음 더 다가섰습니다. 지난 주 막 끝난 IMO 대회에는 대수학, 조합론, 기하학, 수론 등 6개 문제가 출제됐다. 구글이 제안한 하이브리드 AI 시스템은 4문제를 맞혀 28점을 얻어 은메달 수준에 이르렀다. 이달 초 UCLA 종신 교수인 테렌스 타오(Terence Tao)가 상금 100만 달러의 AI 수학 올림피아드(AIMO Progress Award)를 추진했는데, 예상외로 7월 이전에 AI 문제 해결 수준이 이 수준으로 향상됐다. IMO에서 동시에 질문을 해보세요. 가장 정확하게 하기 어려운 것이 IMO인데, 역사도 가장 길고, 규모도 가장 크며, 가장 부정적이기도 합니다.

PRO | MoE 기반의 대형 모델이 더 주목받는 이유는 무엇인가요? PRO | MoE 기반의 대형 모델이 더 주목받는 이유는 무엇인가요? Aug 07, 2024 pm 07:08 PM

2023년에는 AI의 거의 모든 분야가 전례 없는 속도로 진화하고 있다. 동시에 AI는 구체화된 지능, 자율주행 등 핵심 트랙의 기술적 한계를 지속적으로 확장하고 있다. 멀티모달 추세 하에서 AI 대형 모델의 주류 아키텍처인 Transformer의 상황이 흔들릴까요? MoE(Mixed of Experts) 아키텍처를 기반으로 한 대형 모델 탐색이 업계에서 새로운 트렌드가 된 이유는 무엇입니까? 대형 비전 모델(LVM)이 일반 비전 분야에서 새로운 돌파구가 될 수 있습니까? ...지난 6개월 동안 공개된 본 사이트의 2023 PRO 회원 뉴스레터에서 위 분야의 기술 동향과 산업 변화에 대한 심층 분석을 제공하여 새로운 환경에서 귀하의 목표 달성에 도움이 되는 10가지 특별 해석을 선택했습니다. 년. 준비하세요. 이 해석은 2023년 50주차에 나온 것입니다.

대형 모델에 대한 새로운 과학적이고 복잡한 질문 답변 벤치마크 및 평가 시스템을 제공하기 위해 UNSW, Argonne, University of Chicago 및 기타 기관이 공동으로 SciQAG 프레임워크를 출시했습니다. 대형 모델에 대한 새로운 과학적이고 복잡한 질문 답변 벤치마크 및 평가 시스템을 제공하기 위해 UNSW, Argonne, University of Chicago 및 기타 기관이 공동으로 SciQAG 프레임워크를 출시했습니다. Jul 25, 2024 am 06:42 AM

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

정확도는 60.8%에 달합니다. Transformer를 기반으로 한 Zhejiang University의 화학적 역합성 예측 모델은 Nature 저널에 게재되었습니다. 정확도는 60.8%에 달합니다. Transformer를 기반으로 한 Zhejiang University의 화학적 역합성 예측 모델은 Nature 저널에 게재되었습니다. Aug 06, 2024 pm 07:34 PM

Editor | KX 역합성은 약물 발견 및 유기 합성에서 중요한 작업이며, 프로세스 속도를 높이기 위해 AI가 점점 더 많이 사용되고 있습니다. 기존 AI 방식은 성능이 만족스럽지 못하고 다양성이 제한적입니다. 실제로 화학 반응은 종종 반응물과 생성물 사이에 상당한 중복이 발생하는 국지적인 분자 변화를 일으킵니다. 이에 영감을 받아 Zhejiang University의 Hou Tingjun 팀은 단일 단계 역합성 예측을 분자 문자열 편집 작업으로 재정의하고 표적 분자 문자열을 반복적으로 정제하여 전구체 화합물을 생성할 것을 제안했습니다. 그리고 고품질의 다양한 예측이 가능한 편집 기반 역합성 모델 EditRetro를 제안합니다. 광범위한 실험을 통해 이 모델은 표준 벤치마크 데이터 세트 USPTO-50 K에서 60.8%의 상위 1 정확도로 탁월한 성능을 달성하는 것으로 나타났습니다.

자연의 관점: 의학 분야의 인공지능 테스트는 혼란에 빠졌습니다. 어떻게 해야 할까요? 자연의 관점: 의학 분야의 인공지능 테스트는 혼란에 빠졌습니다. 어떻게 해야 할까요? Aug 22, 2024 pm 04:37 PM

Editor | ScienceAI 제한된 임상 데이터를 기반으로 수백 개의 의료 알고리즘이 승인되었습니다. 과학자들은 누가 도구를 테스트해야 하며 최선의 방법은 무엇인지에 대해 토론하고 있습니다. 데빈 싱(Devin Singh)은 응급실에서 오랜 시간 치료를 기다리던 중 심장마비를 겪는 소아환자를 목격했고, 이를 계기로 대기시간을 단축하기 위해 AI 적용을 모색하게 됐다. SickKids 응급실의 분류 데이터를 사용하여 Singh과 동료들은 잠재적인 진단을 제공하고 테스트를 권장하는 일련의 AI 모델을 구축했습니다. 한 연구에 따르면 이러한 모델은 의사 방문 속도를 22.3% 단축하여 의료 검사가 필요한 환자당 결과 처리 속도를 거의 3시간 단축할 수 있는 것으로 나타났습니다. 그러나 인공지능 알고리즘의 연구 성공은 이를 입증할 뿐이다.

See all articles