「AI×科研」每日要聞｜7月30日 ​

ScienceAI發表於2021-07-30
AI

目錄：

  • 計算機證明數學定理大獲成功

  • 繼蛋白質結構預測之後，又迎來化合物分子結構的預測

  • AI化學平臺Syntelly開發正確命名有機分子的AI工具

  • 在化學語言中的應用機器學習需要的資料比假設的要少

  • 新的AI工具可以加速電子裝置材料的發現

  • 機器學習在超材料的大型設計空間中尋找最佳解決方案

  • 機器學習推動個性化癌症醫療

計算機證明數學定理大獲成功

數學家們已經透過使用計算機程式 Lean 驗證了數學前沿研究中的一個複雜定理證明的準確性，這表明現代數學可以在定理證明器中形式化。

相關報導：https://www.quantamagazine.org/lean-computer-program-confirms-peter-scholze-proof-20210728/

繼蛋白質結構預測之後，又迎來化合物分子結構的預測

化合物分子的 3D 結構決定了材料的屬性，從化學分子圖預測所有原子的 3D 座標幾乎是每個計算化學工作流程的開始。維也納大學的研究人員現在開發了一種新的機器學習模型 Graph To Structure (G2S)，可以直接從分子圖預測結構。論文發表在《自然·通訊》雜誌上。
圖片

論文連結：http://dx.doi.org/10.1038/s41467-021-24525-7

相關報導：https://phys.org/news/2021-07-chemical-graphs.html

AI化學平臺Syntelly開發正確命名有機分子的AI工具

AI 化學平臺Syntelly的研究人員基於Transformer模型開發了Struct2IUPAC和IUPAC2Struct，可以在SMILES和IUPAC化學符號之間進行轉換，實現化學有機分子的正確命名。論文發表在《科學報告》期刊上。
圖片

論文連結：http://dx.doi.org/10.1038/s41598-021-94082-y

專案地址：https://app.syntelly.com/smiles2iupac

相關報導：https://techxplore.com/news/2021-07-neural-network-properly-molecules.html

在化學語言中的應用機器學習需要的資料比假設的要少

哥倫比亞大學和阿爾伯塔大學的一個聯合研究小組系統地評估並最佳化了基於 RNN 的化學語言模型在低資料環境中的分子生成模型，為在稀疏化學空間中直接學習生成模型提供了良好的基礎。論文發表在《自然·機器智慧》雜誌上。
圖片

論文連結：http://dx.doi.org/10.1038/s42256-021-00368-1

相關報導：https://techxplore.com/news/2021-07-machine-applications-assumed.amp

新的AI工具可以加速電子裝置材料的發現

美國西北大學和麻省理工學院的研究人員利用自然語言處理技術聯合開發了可以識別材料是金屬還是絕緣體的開源工具，可以加速發現和研究電子裝置材料的速度。論文發表在《材料化學》期刊上。
圖片

論文連結：https://doi.org/10.1021/acs.chemmater.1c00905

專案地址：https://mtd.mccormick.northwestern.edu/mit-classification-dataset/

相關報導：https://www.eurekalert.org/news-releases/923728

機器學習在超材料的大型設計空間中尋找最佳解決方案

杜克大學的電氣工程師設計了「神經伴隨方法」，使用機器學習在超材料的大型設計空間中解決具有許多潛在解決方案的困難，可以幫助研究人員解決諸如找出最佳圓柱體尺寸以捕獲電磁能等問題。論文發表在《光學快報》期刊上。
圖片

論文連結：http://dx.doi.org/10.1364/OE.419138

相關報導：https://phys.org/news/2021-07-machine-learning-method-optimal-solutions-extremely.html

機器學習推動個性化癌症醫療

每個癌症患者的腫瘤細胞都會積累許多突變，但並非所有突變都與癌症的發展有關。巴塞羅那生物醫學研究所的研究人員開發了一種機器學習工具 BoostDM，可以評估給定型別腫瘤的基因中所有可能突變對癌症發展的潛在貢獻。該工具已被整合到 IntOGen 平臺，論文發表在《自然》雜誌上。

論文連結：https://doi.org/10.1038/s41586-021-03771-1

專案地址：https://www.intogen.org/search

相關報導：https://www.eurekalert.org/news-releases/923491

相關文章