医药产业是与国民经济和民生息息相关的基础和战略性产业。根据《Nature》报道,新药开发的平均成本约为26 亿美元,平均耗时10 年,包括小分子化合物的长期开发阶段、Ⅲ期临床试验以及注册批准过程,其中,只有不到1 /10 的药物可以成功通过并上市。高投入、高风险、低回报,一直是药企新药研发的痛点。
人工智能技术的出现,给整个医药领域带来了巨大的变革。借助AI模型介入靶点结构解析、预测与精修、苗头化合物筛选、先导化合物优化和ADME/T性质预测等诸多环节,能够有效加快药物研发速度,降低研发成本,提高研发成功率,进而提升药企的投资回报率。这种通过AI学习底层原理或解决底层问题,再进一步解决这些原理所映射的工业问题的方法,就是所谓的“AI for Science”新范式。
深势科技致力于运用人工智能和分子模拟算法,结合先进计算手段求解重要科学问题,为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。与此同时,深势科技创新性地融合了跨尺度建模、高效采样、高性能计算等技术,在保持量子力学精度准确性的基础上,将分子动力学的计算速度提升了数个数量级,从而解决药物和材料的微观计算模拟难题。
在辅助药物研发、实现药物分子的理性发现和设计方面,深势科技将在今秋10月,推出Hermite药物计算设计平台,这是Hermite首次以整体性产品形态亮相在各界面前。Hermite致力于为药物研发工作者提供临床前的一站式解决方案。平台融合了蛋白结构预测Uni-Fold、自由能微扰计算Uni-FEP等核心算法,为药物研发工作者提供了一系列全新的计算模拟及设计工具,已被国内外数十家创新药企和上千位学术用户广泛应用。同时,基于平台能力,深势科技与业内多家合作伙伴建立了十余条合作管线,覆盖包括CNS、肿瘤和自身免疫性疾病等领域,目前部分管线已处于Pre-PCC阶段。

好文章,需要你的鼓励
尽管芯片厂商不断推出性能更强的神经处理单元,声称比上代产品快30-40%,但大多数AI功能仍依赖云端处理。专家指出,云端AI模型拥有数千亿参数,而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势,但受限于内存容量和处理能力,目前主要应用于特定场景。业界正致力于优化模型压缩技术,实现云端与本地AI的混合处理模式。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展,基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层,性能比传统网络存储提升10倍,减少检查点时间,提高GPU使用率,改善推理响应时间,无需额外存储系统,节省数百万美元成本。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。