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
NVIDIAがAI開発基盤を拡充

NVIDIAがAI開発基盤を拡充

29/7/26, 14.00

NVIDIA(米国カリフォルニア州)は、半導体設計におけるRTL開発および検証処理を支援するAIモデル「Nemotron 3 Ultra」の成果を公開した模様である。

NVIDIAがモデル転送高速化技術を発表

NVIDIAがモデル転送高速化技術を発表

29/7/26, 14.00

NVIDIA(米国カリフォルニア州)は、大規模AIモデルの重みデータをGPUへ高速転送する技術「ModelExpress」を発表した模様である。

NVIDIA、韓国のAIエコシステムとの協力�を大幅拡張

NVIDIA、韓国のAIエコシステムとの協力を大幅拡張

28/7/26, 09.00

NVIDIA(カリフォルニア州サンタクララ)は、サンフランシスコで開催された「AI Summit」において、韓国の李在明大衆大統領をはじめとする同国の政財界リーダーらと会談し、国家規模のAIインフラおよびエコシステムの拡張に向けた大規模なパートナーシップを発表した。

NVIDIA AIがモデルカスタマイズを標準化

NVIDIA AIがモデルカスタマイズを標準化

28/7/26, 09.00

NVIDIA(米国カリフォルニア州)は、大規模言語モデル「Nemotron 3」の追加学習とカスタマイズを容易にする環境を提供するため、外部プラットフォームとの連携を進めていると報じられている。

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
NVIDIAがAI開発基盤を拡充

NVIDIAがAI開発基盤を拡充

29/7/26, 14.00

NVIDIA(米国カリフォルニア州)は、半導体設計におけるRTL開発および検証処理を支援するAIモデル「Nemotron 3 Ultra」の成果を公開した模様である。

NVIDIAがモデル転送高速化技術を発表

NVIDIAがモデル転送高速化技術を発表

29/7/26, 14.00

NVIDIA(米国カリフォルニア州)は、大規模AIモデルの重みデータをGPUへ高速転送する技術「ModelExpress」を発表した模様である。

NVIDIA、韓国のAIエコシステムとの協力を大幅拡張

NVIDIA、韓国のAIエコシステムとの協力を大幅拡張

28/7/26, 09.00

NVIDIA(カリフォルニア州サンタクララ)は、サンフランシスコで開催された「AI Summit」において、韓国の李在明大衆大統領をはじめとする同国の政財界リーダーらと会談し、国家規模のAIインフラおよびエコシステムの拡張に向けた大規模なパートナーシップを発表した。

NVIDIA AIがモデルカスタマイズを標準化

NVIDIA AIがモデルカスタマイズを標準化

28/7/26, 09.00

NVIDIA(米国カリフォルニア州)は、大規模言語モデル「Nemotron 3」の追加学習とカスタマイズを容易にする環境を提供するため、外部プラットフォームとの連携を進めていると報じられている。

bottom of page