AIGC動態(tài)歡迎閱讀

原標(biāo)題：登 Nature 子刊！論文一作詳解蛋白質(zhì)語言模型的小樣本學(xué)習(xí)方法，解決濕實驗數(shù)據(jù)匱乏難題
關(guān)鍵字：模型,突變,蛋白質(zhì),數(shù)據(jù),樣本
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

作者：周子宜，李姝
編輯：李慧
在「Meet AI4S」系列直播第三期中，周子宜博士以「蛋白質(zhì)語言模型的小樣本學(xué)習(xí)方法」為題，分享了團隊的最新研究成果，以下為演講精華實錄。在「Meet AI4S」系列直播第三期中，我們有幸邀請到了上海交通大學(xué)自然科學(xué)研究院 & 上海國家應(yīng)用數(shù)學(xué)中心博士后周子宜，他所在的上海交通大學(xué)洪亮課題組研究方向主要為 AI 蛋白和藥物設(shè)計、分子生物物理。該課題組研究成果頗豐，截止目前共發(fā)表研究論文 77 篇，其中多篇登頂 Nature 期刊。
本次分享，周子宜博士以「蛋白質(zhì)語言模型的小樣本學(xué)習(xí)方法」為題，分享了團隊的最新研究成果，并探討了 AI 輔助定向進化的新思路。
HyperAI超神經(jīng)在不違原意的前提下，對周子宜博士的本次深度分享進行了整理匯總。點擊查看完整直播回放 ??大家好，我是來自上海交通大學(xué)自然科學(xué)研究院、洪亮教授課題組的博士后周子宜，今天為大家分享我們課題組最近發(fā)在 Nature Communications 上的一項工作，即運用小樣本學(xué)習(xí)方法來提升蛋白質(zhì)語言模型的性能。
今天我分享的內(nèi)容主要分為 4 部分：蛋白質(zhì)語言模型的研究背景、研究成果 FSF

原文鏈接：登 Nature 子刊！論文一作詳解蛋白質(zhì)語言模型的小樣本學(xué)習(xí)方法，解決濕實驗數(shù)據(jù)匱乏難題

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：