深度学习在蛋白质结构预测等领域的成功是范式的转变，而在功能预测、基因组工程和多组学等其他领域，与传统方法相比，也在性能上取得了快速进展

当地时间10月8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予John J.Hopfield和Geoffrey E.Hinton，以表彰他们“为利用人工神经网络进行机器学习做出的基础性发现和发明”。那么这个奖项背后的意义是什么？AI和物理有什么联系吗？

深度学习在结构生物学以及药物研发起着越来越重要的作用。GPU是深度学习的核心，因为大部分高级深度学习技术必须通过GPU来实现。

就在刚刚，Google DeepMind 和 Isomorphic Labs 研究团队推出的革命性人工智能（AI）模型 AlphaFold 3，以前所未有的精确度成功预测了所有生命分子（蛋白质、DNA、RNA、配体等）的结构和相互作用。AlphaFold 3的成功将有助于改变我们对生物世界和药物发现的理解，进而开启人工智能细胞生物学的新时代。

AlphaFold2和RoseTTAFold等深度学习算法现在可以根据蛋白质的线性序列预测其三维形状，这对结构生物学家来说是一个巨大的福音。

2022年整个投资行业在高科技行业明显降温，但是AI在药物发现和生物技术中的应用的前景仍然被普遍看好，未来可期。

通过两种机制的融合，研究人员提出一种新的深度学习算法，精准预测RNA分子的原子结构。

2022年整个投资行业在高科技行业明显降温，但是AI在药物发现和生物技术中的应用的前景仍然被普遍看好，未来可期。

两年前，谷歌的AlphaFold2给蛋白质结构预测领域带来革命性的突破。两年后，该领域的状况如何，蛋白质结构预测该何去何从？为此，Nature杂志发表了EwenCallaway博士关于近期举行的CASP15的专题文章。

就在刚刚，Transformer架构迎来突破！何恺明、LeCun、刘壮联手，用9行代码砍掉了Transformer「标配」归一化层，创造了性能不减反增的奇迹