华盛顿大学研究团队开发了一种高度准确的基于结构的虚拟筛选方法 RosettaVS，用于预测对接姿势和结合亲和力。

近日，成立仅 6 个月的 AI 生物技术初创公司 Chai Discovery，发布用于分子结构预测的新型多模态基础模型 Chai-1，并附带了一份技术报告，比较了 Chai-

硬件发展速度跟不上 AI 需求，就需要精妙的架构和算法。

近年来，大模型在人工智能领域掀起了一场革命，各种文本、图像、多模态大模型层出不穷，已经深深地改变了人们的工作和生活方式。

人工神经网络、深度学习方法和反向传播算法构成了现代机器学习和人工智能的基础。

作为一种重要的数据形式，图数据在社交网络、学术网络、交通系统和生物网络等多个领域有广泛应用。

浙江大学、之江实验室以及斯坦福大学的研究人员介绍了一种通过分析线粒体表型变化来识别 MOA 的方法。

复旦大学、香港大学、中国科学院等机构组成的联合团队提出了一种软硬件协同设计方案，即使用忆阻器的基于语义记忆的动态神经网络。

eepMind 研究人员开发了一种计算激发态的新方法，它比以前的方法更强大、更通用。该方法可以应用于任何类型的数学模型，包括 FermiNet 和其他神经网络。

近期，中国科学院计算所张海仓带领的研究团队提出了 CarbonNovo，以端到端的方式联合设计蛋白质主链结构和序列。