top of page
Generatif (Beta) |. Memberikan berita dan tren terkini dalam AI generatif
logo.png

Escalante Memanfaatkan JAX untuk Rekayasa Protein Berbasis AI

Generatived

25/9/25, 09.00

JAX membuat kemajuan pesat di bidang sains, terutama dalam rekayasa protein berbasis AI. Startup Escalante menggunakan JAX untuk memprediksi dampak obat terhadap tingkat ekspresi protein intraseluler. Para pendiri, April Schleck dan Nick Boyd, menggunakan transformasi fungsi composable JAX untuk memecahkan masalah ilmiah dalam rekayasa protein yang memerlukan optimasi multi-objektif.

Escalante bertujuan membangun model pembelajaran mesin yang mampu merancang obat dari awal. Namun, kurangnya dataset biologis yang spesifik menimbulkan tantangan tersendiri. Untuk mengatasi tantangan ini, mereka mengembangkan uji laboratorium untuk menghasilkan data yang diperlukan. Sifat fungsional JAX sangat penting untuk mengintegrasikan berbagai model AI ke dalam satu putaran optimasi, sebuah tugas yang lebih kompleks dalam kerangka kerja lain.

April Schreck menyoroti peran JAX dalam proses desain protein, dengan mengintegrasikan beberapa model ke dalam satu fungsi kerugian. Pendekatan ini memungkinkan optimasi urutan protein menggunakan jaringan saraf pra-terlatih yang serupa dengan DeepDream milik Google. Metode Escalante mengembangkan urutan acak menjadi protein yang dioptimalkan melalui siklus evaluasi model dan pembaruan urutan.

Nick Boyd menyoroti efisiensi JAX dalam mengompilasi dan membedakan kode kompleks, yang sangat penting bagi penelitian mereka. Penggunaan perangkat keras TPU dan kompiler XLA memungkinkan penskalaan tugas komputasi. Infrastruktur Escalante memanfaatkan Google Kubernetes Engine untuk menjalankan ribuan Spot TPU untuk pekerjaan optimasi, sebuah strategi hemat biaya yang mendukung tujuan ambisius mereka untuk merancang pengikat protein yang menangani seluruh proteom manusia.

Ekosistem JAX, termasuk pustaka seperti Equinox dan Optax, telah menjadi bagian penting penelitian Escalante, dan pustaka Mosaic , yang tersedia di GitHub , adalah bukti bahwa JAX memperluas pengaruhnya di luar GitHub Learning, yang mendorong era baru penemuan ilmiah dan pemrograman yang dapat dibedakan.

Bagikan artikel ini:

Tin tức mới nhất
MicrosoftがローカルSQL

MicrosoftがローカルSQL

5/10/26, 07.00

Microsoft(米国ワシントン州)は、クラウド接続の有無を問わず利用可能なデータベースインフラ『SQL Server on Azure Local』の一般提供を開始した。

TCBSがAI基盤を全社導入

TCBSがAI基盤を全社導入

5/10/26, 07.00

TCBS(ベトナムハノイ)は、AWSのソフトウェア開発環境『Kiro』を全社規模で導入したと発表した。

Googleが最先端AIモデル発表

Googleが最先端AIモデル発表

5/10/26, 07.00

Google(米国カリフォルニア州)は、高度な推論機能と100万トークンの出力上限を備えた最新AIモデル『Gemini 4 Argon』をはじめとする一連のAIアップデートを発表した。

NVIDIAがAI評価技術

NVIDIAがAI評価技術

5/10/26, 07.00

NVIDIA(米国カリフォルニア州)は、AIエージェントの行動履歴や実行プロセスを詳細に可視化・評価するためのチュートリアルと『NeMo Relay』活用事例を公開した。

Copyright © 2024 Generatived - All right Reserved.

Bagikan artikel ini:

Bagikan artikel ini:

Generatived

Hãy theo dõi chúng tôi

  • Facebook
  • X

Bahasa

Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.

Generatived AI Logo

Generatived adalah layanan yang memberikan informasi dan tren khusus dalam AI Generatif. Kami akan melakukan yang terbaik untuk menyampaikan informasi tentang dunia yang berubah dengan cepat.

  • Facebook
  • X

Ikuti kami

Bahasa

Berita terkini
MicrosoftがローカルSQL

MicrosoftがローカルSQL

5/10/26, 07.00

Microsoft(米国ワシントン州)は、クラウド接続の有無を問わず利用可能なデータベースインフラ『SQL Server on Azure Local』の一般提供を開始した。

TCBSがAI基盤を全社導入

TCBSがAI基盤を全社導入

5/10/26, 07.00

TCBS(ベトナムハノイ)は、AWSのソフトウェア開発環境『Kiro』を全社規模で導入したと発表した。

Googleが最先端AIモデル発表

Googleが最先端AIモデル発表

5/10/26, 07.00

Google(米国カリフォルニア州)は、高度な推論機能と100万トークンの出力上限を備えた最新AIモデル『Gemini 4 Argon』をはじめとする一連のAIアップデートを発表した。

NVIDIAがAI評価技術

NVIDIAがAI評価技術

5/10/26, 07.00

NVIDIA(米国カリフォルニア州)は、AIエージェントの行動履歴や実行プロセスを詳細に可視化・評価するためのチュートリアルと『NeMo Relay』活用事例を公開した。

bottom of page