#计算机# #数学# #物理# Springer Nature 推出使用新的品牌名“SN”的高度包容的管理学领域的期刊,为作者提供新的出版选择。其中SN Partial Differential Equations and Applications期刊包涵三部分【期刊主页直达:https://t.cn/A6qGrDWo】:
1、PDEs 理论:涵盖椭圆、抛物型方程和双曲 PDEs 理论、多面体 PDEs 理论、变异微积分、功能分析、ODEs 理论和数学分析中的一系列进一步主题。
2、PDEs 的计算方法:涵盖与 PDEs 相关的数值分析和计算数学的所有领域。这里主要强调的是数值方法,而不是特定的应用。
3、PDEs 在科学中的应用:涵盖数学物理、化学、生物学、工程以及生命科学和社会科学的应用。分析和计算方法都很受欢迎。
SN PDEA 提供旨在整合特定研究主题出版物的专题集。文章可以作为论文发布,也可以在专题特辑中发布。文章内容在前两年内免费访问。同时期刊为所有基于 PDE 的研究提供单独平台,将数学分析、计算数学和数学在科学中的应用领域连接起来。SN PDE 接受原创研究以及高质量的综述文章,提供全面和快速的同行评审。投稿指南直达:https://t.cn/A6qGrDWS
1、PDEs 理论:涵盖椭圆、抛物型方程和双曲 PDEs 理论、多面体 PDEs 理论、变异微积分、功能分析、ODEs 理论和数学分析中的一系列进一步主题。
2、PDEs 的计算方法:涵盖与 PDEs 相关的数值分析和计算数学的所有领域。这里主要强调的是数值方法,而不是特定的应用。
3、PDEs 在科学中的应用:涵盖数学物理、化学、生物学、工程以及生命科学和社会科学的应用。分析和计算方法都很受欢迎。
SN PDEA 提供旨在整合特定研究主题出版物的专题集。文章可以作为论文发布,也可以在专题特辑中发布。文章内容在前两年内免费访问。同时期刊为所有基于 PDE 的研究提供单独平台,将数学分析、计算数学和数学在科学中的应用领域连接起来。SN PDE 接受原创研究以及高质量的综述文章,提供全面和快速的同行评审。投稿指南直达:https://t.cn/A6qGrDWS
#ai技术# 突破, DeepMind攻克生物学难题
11月30日,DeepMind宣布:AlphaFold 2,这个AI已经成功解决蛋白质折叠的问题。
据悉,AlphaFold的“准确性”均分,从原本的60+/100,提升至了92.4/100,而过去十几年,其他方法只能在40分左右徘徊。
对此,CASP发起人,计算生物学家约翰·莫尔特(John Moult)表示:从某种意义上说,蛋白质折叠的问题已经解决了。[太阳]
#人工智能##deepmind#
-----------
海育国际开设了AI通识课程、竞赛辅导、AI研学、师资培训等人工智能教育项目,详情欢迎咨询“海育小助手”或致电:021-51085051中国,+1(888)2189811美国
11月30日,DeepMind宣布:AlphaFold 2,这个AI已经成功解决蛋白质折叠的问题。
据悉,AlphaFold的“准确性”均分,从原本的60+/100,提升至了92.4/100,而过去十几年,其他方法只能在40分左右徘徊。
对此,CASP发起人,计算生物学家约翰·莫尔特(John Moult)表示:从某种意义上说,蛋白质折叠的问题已经解决了。[太阳]
#人工智能##deepmind#
-----------
海育国际开设了AI通识课程、竞赛辅导、AI研学、师资培训等人工智能教育项目,详情欢迎咨询“海育小助手”或致电:021-51085051中国,+1(888)2189811美国
【DeepMind称已解决“蛋白折叠问题”】
昨日,Alphabet旗下公司、开发AlphaGo算法的DeepMind在官方网站发文称,他们开发的AlphaFold算法已解决了50年以来困扰蛋白科学界的“蛋白折叠问题”(protein folding problem)。该难题指的是预测一个蛋白分子会折叠成什么形状,这取决于构成该蛋白的氨基酸序列。由于蛋白的形状和功能具有很强的对应性,预测一个蛋白的折叠形状对生物学研究来说十分重要。
自上世纪60年代以来,该难题就一直困扰着计算生物学家。美国生物学家赛勒斯·利文索尔(Cyrus Levinthal)指出,如果尝试用蛮力计算解答该难题,对于每个蛋白分子都需要穷举至少10³⁰⁰个可能性。然而,人工智能算法的出现意味着计算机或许可以替代人类,预测蛋白的折叠结构。在每两年一次的蛋白结构预测关键评估(CASP)中,科学家认为AlphaFold已解决了这一难题。AlphaFold的训练只持续了几周,数据集包含了大约17万个蛋白结构和大量的蛋白序列,并运用了128个TPUv3核心(算力约等于100-200个GPU,据DeepMind报告)。训练后的AlphaFold在第14届CASP上取得了平均92.4 GDT(可近似看作预测蛋白结构与实际蛋白结构的相似度,满分100 GDT)的成绩。
昨日,Alphabet旗下公司、开发AlphaGo算法的DeepMind在官方网站发文称,他们开发的AlphaFold算法已解决了50年以来困扰蛋白科学界的“蛋白折叠问题”(protein folding problem)。该难题指的是预测一个蛋白分子会折叠成什么形状,这取决于构成该蛋白的氨基酸序列。由于蛋白的形状和功能具有很强的对应性,预测一个蛋白的折叠形状对生物学研究来说十分重要。
自上世纪60年代以来,该难题就一直困扰着计算生物学家。美国生物学家赛勒斯·利文索尔(Cyrus Levinthal)指出,如果尝试用蛮力计算解答该难题,对于每个蛋白分子都需要穷举至少10³⁰⁰个可能性。然而,人工智能算法的出现意味着计算机或许可以替代人类,预测蛋白的折叠结构。在每两年一次的蛋白结构预测关键评估(CASP)中,科学家认为AlphaFold已解决了这一难题。AlphaFold的训练只持续了几周,数据集包含了大约17万个蛋白结构和大量的蛋白序列,并运用了128个TPUv3核心(算力约等于100-200个GPU,据DeepMind报告)。训练后的AlphaFold在第14届CASP上取得了平均92.4 GDT(可近似看作预测蛋白结构与实际蛋白结构的相似度,满分100 GDT)的成绩。
✋热门推荐