以不足10万结构数据训练,瑞士洛桑联邦理工学院提出PET-MAD,原子模拟精度媲美专业模型
瑞士洛桑联邦理工学院提出的 PET-MAD 模型,依托覆盖广泛原子多样性的数据集,在使用远少于传统规模的训练样本的情况下,仍实现了与专用模型相当的精度,为原子模拟向更高效、更普适的方向发展提供了有力示
2025-12-15 14:32:57
收藏
活动回顾丨 北京大学/清华大学/Zilliz/MoonBit共话开源,覆盖视频生成/视觉理解等
HyperAI超神经作为 COSCon’25 的联合出品社区,于 12 月 7 日举办了「产研开源协同论坛」。本文为 4 位讲师的深度分享精华摘要,后续我们还会以视频的形式分享完整演讲,敬请期待!
2025-12-12 13:56:19
收藏
解决蛋白质构象异质性的原子级建模挑战!David Baker团队PLACER框架解析
来自华盛顿大学 David Baker 教授的研究团队开发了一种图神经网络 PLACER,能够基于小分子的原子组成与键合信息,精确生成多种有机小分子的结构。
2025-11-07 14:48:03
收藏
超越传统4200倍速!苏黎世联邦理工提出NOBLE,首个经人类皮层数据验证的神经元建模框架
苏黎世联邦理工学院、加州理工学院与阿尔伯塔大学等机构的联合团队提出了一种名为 NOBLE 的深度学习框架。它是首个通过人类大脑皮层实验数据来验证其性能的规模化深度学习框架。
2025-11-05 13:41:15
收藏
MIT团队开源BoltzGen,可跨分子类型设计蛋白结合物,66%靶标获纳摩尔级亲和力
麻省理工学院与多家机构合作推出了 BoltzGen,以几何连续表示代替传统离散残基标签,实现蛋白折叠与结合体设计的联合训练。
2025-10-27 14:39:18
收藏
MOF结构36年终获诺奖:当AI读懂化学,金属有机框架正迈向生成式研究时代
10月8日,为金属有机框架作出贡献的北川进、Richard Robson和 Omar Yaghi荣获诺贝尔化学奖。金属有机框架领域完成了从结构设计到产业化的演进。
2025-10-17 16:07:41
收藏
AI预判等离子体「暴走」,MIT等基于机器学习实现小样本下的等离子体动力学高精度预测
麻省理工学院牵头的研究团队利用科学机器学习,将物理定律与实验数据智能融合。开发了一种神经状态空间模型,通过少量数据就能预测托卡马克配置变量 (TCV) 缓降过程中的等离子体动力学。
2025-10-16 12:01:48
收藏