DiG
效率高、成本低,从单一结构到平衡分布,微软AI分子预测框架登Nature子刊
编辑 | 紫罗近年来,深度学习技术在分子微观结构预测中取得了巨大的进展。然而,分子的宏观属性和功能往往取决于分子结构在平衡态下的分布,仅了解分子的微观结构还远远不够。获得这些分布的传统方法,如分子动力学模拟,但这些方法昂贵又耗时。在此,来自微软研究院科学智能中心(Microsoft Research AI4Science)的研究人员,提出了一种可用于预测分子结构平衡分布的深度学习框架,称为分布式图分析器(Distributional Graphormer,DiG)。DiG 框架能够有效生成不同的构象,并提供状态密度
5/14/2024 2:11:00 PM
ScienceAI
- 1
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
大模型
数据
Midjourney
开源
Meta
智能
微软
AI新词
用户
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
LLM
论文
代码
算法
Agent
AI for Science
芯片
苹果
腾讯
Claude
Stable Diffusion
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
RAG
人形机器人
研究
AI视频
大语言模型
生成
具身智能
Sora
工具
GPU
百度
华为
计算
字节跳动
AI设计
AGI
大型语言模型
搜索
视频生成
场景
深度学习
DeepMind
架构
生成式AI
编程
视觉
Transformer
预测
AI模型
伟达
特斯拉
亚马逊