加速科学人工智能的发现
如果人工智能 (AI) 可用于促进生物技术、药物发现和流体动力学等领域的发现，结果会怎样?利用几何图形和创新方法，人工智能可以解决基础自然科学中的基本问题。在这个被称为科学人工智能的相对较新的领域，存在着无限的可能性。
德克萨斯农工大学计算机科学与工程系教授季水旺博士最近获得了美国国家科学基金会的资助，用于研究 3D 图形和人工智能。
Ji 的目标是开发一种方法来表示分子和蛋白质，使用 3D 或几何图形来预测它们的行为和特性。一旦创建，这种方法可以帮助解决物理学、流体动力学和生物技术中的问题。
“我们尝试使用人工智能来理解我们生活的物理世界，”吉说。“这项研究的结果可能需要时间才能付诸实践，但一旦发生并且我们开发出强大的人工智能方法，它就可以应用于许多不同的领域，因为这是基础研究。这类似于电子的发现导致了电力的产生。”
完整性、效率和应用
挑战在于 Ji 项目的独特性：连接 3D 图形的完整性、效率和应用。完整性是指捕获完整的信息，效率是指处理大量输入。应用方面是指将季教授的方法论应用到分子动力学、分子模拟和药物发现中。然而，这种工作通常需要权衡。
“传统上，如果你想捕获完整的输入信息，训练这个网络的过程将非常缓慢，”季说。“另一方面，如果你希望训练速度快，你就无法捕获完整的信息。我的目标是开发一种方法，既能解决分子、蛋白质和材料科学中的不同应用。这可能是第一次将这三件事放在一起。”
理解图表和现实世界的应用
图表用于表示物理世界的确定性。例如，标准图可以代表一个社交网络，其中每个节点都是一个人，边代表关系;如果 A 与 B 进行电子邮件通信，则 A 与 B 之间存在优势。
“在科学中，我们可以将问题描述为几何图，”季说。“这与标准图有很大不同，因为每个节点在 3D 空间中也有一个位置或坐标。您可以将分子视为几何图，其中每个原子都是一个节点，化学键表征它们的关系。每个原子在 3D 空间中也有一个位置，从而为您提供这些分子的 3D 几何形状。分子的表现很大程度上取决于 3D 几何形状。”
几何图形可以表示的物质是药物，它是由分子组成的。药物将具有 3D 形状，与受体对接并与蛋白质结合，就像钥匙与锁一样。药物的 3D 几何结构很重要，因为它可以被表述为一个预测问题，以确定该药物是否可以用作抗生素。
“制药行业对分子动力学感兴趣，并且类似的模型已被用来筛选大型潜在抗生素数据库，”季说。“他们着手鉴定一种可能用作抗生素的分子，在实验室验证了他们的发现，并实际上鉴定出了一种新的抗生素。”
该项目的应用不仅包括药物发现，还包括材料科学、偏微分方程和航空航天工程等。季计划将重点放在方法论上，而不是某个研究领域，邀请各个领域的专家合作，深入了解这项工作并解决许多问题。
“这是一个高度跨学科的领域，”季说。“我们使用人工智能来解决计算机科学、化学、流体动力学和材料科学方面的问题，但我们不是这些领域的专家。与这些人合作，看看他们面临哪些挑战，我们可以尝试解决，这将是一件好事。”
版权声明：本文由用户上传，如有侵权请联系删除！