參與直播有機(jī)會贏取算力福利

原標(biāo)題：直播預(yù)告 | 蛋白質(zhì)優(yōu)化新突破！浙江大學(xué)成果入選NeurIPS 2024，論文一作詳解技術(shù)亮點(diǎn)
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：3923字

Meet AI4S系列直播第五期預(yù)告

Meet AI4S系列直播的第五期將于12月10日19:00準(zhǔn)時(shí)上線。本期我們邀請到了浙江大學(xué)知識引擎實(shí)驗(yàn)室的博士研究生王澤元，他的分享主題為「借助擴(kuò)散去噪過程助力大模型對蛋白質(zhì)的優(yōu)化」。

嘉賓介紹

王澤元博士是浙江大學(xué)知識引擎實(shí)驗(yàn)室的博士研究生，他將詳細(xì)闡述全新去噪蛋白質(zhì)語言模型（DePLM）的創(chuàng)新思路。該模型由浙江大學(xué)的陳華鈞教授、張強(qiáng)研究員等人提出，旨在通過消除與目標(biāo)特性無關(guān)的信息，提升蛋白質(zhì)適應(yīng)性景觀的預(yù)測能力。

研究背景與創(chuàng)新

DePLM模型利用擴(kuò)散去噪過程，有效過濾蛋白質(zhì)語言模型中無關(guān)的噪音信息，從而優(yōu)化蛋白質(zhì)的特性預(yù)測。研究表明，DePLM在蛋白質(zhì)突變效應(yīng)預(yù)測方面的表現(xiàn)優(yōu)于現(xiàn)有方法，并展現(xiàn)出強(qiáng)大的泛化能力。該成果已入選頂會NeurIPS 2024。

直播亮點(diǎn)

在本次直播中，觀眾將獲得以下收益：

1. 了解蛋白質(zhì)適應(yīng)性景觀預(yù)測的方法、數(shù)據(jù)集和指標(biāo)。
2. 深入了解擴(kuò)散模型增強(qiáng)的語言模型如何應(yīng)用于適應(yīng)性景觀預(yù)測。
3. 探討進(jìn)化信息與濕實(shí)驗(yàn)數(shù)據(jù)的結(jié)合如何提升AI模型的訓(xùn)練效果。

數(shù)據(jù)集與模型架構(gòu)

本研究采用ProteinGym蛋白質(zhì)突變數(shù)據(jù)集，最終保留201個(gè)深度突變篩選數(shù)據(jù)。DePLM架構(gòu)通過輸入從PLM得出的進(jìn)化似然，生成去噪似然以預(yù)測突變影響，確保強(qiáng)大的模型泛化能力。

參與方式

HyperAI超神經(jīng)為參與直播的觀眾準(zhǔn)備了10小時(shí)的NVIDIA RTX A6000資源，觀眾有機(jī)會參與抽獎(jiǎng)活動(dòng)。點(diǎn)擊預(yù)約直播，掃碼備注「AI4S」加入討論群，與更多科研人員共同探討。

關(guān)于HyperAI超神經(jīng)

HyperAI超神經(jīng)是中國最大的數(shù)據(jù)科學(xué)領(lǐng)域搜索引擎，專注于AI for Science的最新科研成果，實(shí)時(shí)追蹤頂級刊物的學(xué)術(shù)論文。目前已成功舉辦4期Meet AI4S直播，涵蓋多個(gè)科學(xué)領(lǐng)域，歡迎研究機(jī)構(gòu)和行業(yè)人士積極參與。

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：解構(gòu)技術(shù)先進(jìn)性與普適性，報(bào)道更前沿的 AIforScience 案例