Rumah Peranti teknologi AI Kecerdasan Buatan memacu 'bau berkomputer' untuk kawalan serangga

Kecerdasan Buatan memacu 'bau berkomputer' untuk kawalan serangga

Nov 10, 2023 pm 05:33 PM
AI

Permulaan bau mesin Osmo ditubuhkan pada Januari 2023 dan menerima pembiayaan Siri A AS$60 juta yang diketuai oleh Lux Capital dan Google Ventures. Osmo menggabungkan pembelajaran mesin, sains data, psikofizik, neurosains penciuman, kejuruteraan elektrik dan kimia dalam pendekatan pelbagai disiplin untuk mendigitalkan bau.

Kecerdasan Buatan memacu bau berkomputer untuk kawalan serangga

Kerja Osmo adalah berdasarkan penyelidikan bau mesin yang disahkan oleh pasukan Penyelidikan Google, termasuk kajian 2019 menggunakan rangkaian saraf graf untuk meramalkan bau molekul. Syarikat itu telah mula menguji perairan dalam pasaran wangian, bertujuan untuk mencipta generasi baharu molekul wangian yang lebih baik, selamat dan lebih mesra alam. Dari masa ke masa, Osmo berharap untuk mencapai kejayaan yang lebih besar dalam bidang seperti kesihatan awam dan pertanian

Baru-baru ini, Osmo mengumumkan ia menerima geran $3.5 juta daripada Yayasan Bill & Melinda Gates untuk memajukan platform bau kecerdasan buatan syarikat ini untuk menemui dan menghasilkan sebatian yang menghalau, menarik atau memusnahkan serangga pembawa penyakit untuk meningkatkan kesihatan haiwan dan manusia. Pembiayaan itu melengkapkan pelaburan ekuiti $5 juta yang dibuat oleh Yayasan Gates di Osmo apabila ia diasaskan pada Januari 2023

Pertubuhan Kesihatan Sedunia (WHO) menganggarkan bahawa serangga pembawa penyakit seperti nyamuk menyebabkan ratusan kematian di seluruh dunia setiap tahun Beribu-ribu orang orang mati. Memandangkan serangga sangat bergantung pada deria bau mereka untuk mengemudi dan mencari sasaran yang berpotensi, bau menjadi cara paling langsung untuk memandu serangga pembawa penyakit menjauhi manusia. Membangunkan sebatian dengan bau tertentu yang boleh menangkis atau menghalang serangga dengan berkesan, dengan itu memusnahkan tarikan perumah manusia kepada mereka, meminimumkan penyebaran penyakit dan menyediakan kaedah kawalan serangga yang disasarkan dan berkesan

Osmo "Dengan menggunakan molekul bau baru, kita boleh memandu serangga pembawa penyakit dengan lebih berkesan daripada sentuhan manusia, berpotensi menyelamatkan berjuta-juta nyawa," kata Ketua Pegawai Eksekutif Alex Wiltschko. "Dalam berbilion-bilion molekul berpotensi, kita boleh membimbing serangga pembawa penyakit dengan lebih berkesan daripada sentuhan manusia, berpotensi menyelamatkan berjuta-juta nyawa." Hanya beberapa ribu daripada ruang yang luas telah disaring untuk keupayaan ini. Dengan sokongan dermawan daripada Yayasan Gates, kami menggunakan platform bau berkuasa AI kami untuk menganalisis ruang kimia yang luas ini dan menemui keupayaan yang boleh berubah. ia. Serangga bertindak untuk mencegah penyakit dengan formulasi baru yang berkesan, selamat dan berpatutan untuk kesihatan manusia dan haiwan." kertas penyelidikan pada akhir tahun 2022. Dalam perintis, pasukan penyelidik melatih model pengiraan terkini mengenai set data penghalau nyamuk terbesar dalam sejarah setakat ini. Pasukan itu secara eksperimen menilai model pada kira-kira 400 molekul penghalau sifat kimia yang berbeza, mengenal pasti lapan yang lebih menghalau daripada DEET dan Picaridin yang digunakan secara meluas.

Dalam projek semasa, Osmo akan membina perintis bukti konsep dengan matlamat utama:

Meluaskan penyelidikan terdahulu sekurang-kurangnya sepuluh kali ganda dengan memasukkan lebih banyak data dan lebih banyak ujian lebih banyak sebatian.

Menggunakan teknik pembelajaran mesin, kita boleh menemui molekul calon kimia yang menjanjikan, baru, murah dan pelbagai

Kita perlu membangunkan model ramalan yang mengambil kira kekangan dunia sebenar yang berkaitan dengan molekul calon, termasuk kos, tahap spatial, biodegradasi, ketoksikan dan persepsi bau manusia

Kita perlu mensintesis, menguji dan mengoptimumkan calon penghalau baru untuk ujian manusia dan penilaian kesan ekologi

Kita boleh memanfaatkan model ejen Nyamuk penghalau ini untuk membuktikan keberkesanan model ejen Nyamuk pembelajaran dalam menemui tarikan nyamuk baharu yang akan lebih baik daripada penarik sedia ada

Platform kawalan serangga Osmo direka untuk menggunakan secara meluas pembelajaran mesin terkini dan teknologi kecerdasan buatan Generatif, yang membolehkan sistem menilai potensi keberkesanan dan keselamatan berbilion molekul dalam hanya beberapa saat

" kata Meg Young, penolong profesor di Jabatan Biologi di Universiti Boston. Kaedah pembelajaran mesin mempunyai potensi besar untuk mempercepatkan penemuan dan reka bentuk penghalau nyamuk dan penarik yang dipertingkatkan. "Model Osmo menunjukkan janji yang hebat, dan saya teruja dengan kemajuan pasukan pada tahun-tahun akan datang." ”

Kerja kawalan serangga Osmo adalah sebahagian daripada misi syarikat untuk meningkatkan kesihatan dan kesejahteraan kehidupan manusia dengan memberikan komputer rasa bau Di tengah-tengah misi itu ialah “peta bau” yang dibina oleh Osmo pasukan untuk Ramalkan struktur dan bau molekul

"Osmo mendedahkan hubungan yang mengejutkan antara serangga dan penciuman manusia, dan peta bau kami meramalkan kesan penciuman molekul pada manusia dan serangga," kata Wiltschko "Akan ada banyak peluang untuk misi kami untuk mendigitalkan penciuman. Menjadikan dunia a tempat yang lebih sihat, lebih bahagia. Kami semua sangat teruja menggunakan peta kami untuk mereka bentuk molekul baharu untuk menghentikan penyebaran penyakit bawaan serangga.”

Atas ialah kandungan terperinci Kecerdasan Buatan memacu 'bau berkomputer' untuk kawalan serangga. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles