星展銀行(DBS)計劃推出零售數字資產交易服務
2月14日消息，新加坡星展銀行CEO Piyush Gupta在財報會議上表示，計劃于2022年年底前推出零售數字資產交易服務。據悉，DBS于2021年初開設了機構數字資產交易平臺，全
9 月 25 日消息，科技媒體 9to5Mac 昨日（9 月 24 日）發布博文，報道稱蘋果研究團隊發布了輕量級蛋白質折疊預測 AI 模型 SimpleFold，采用流匹配（Flow Matching）方法替代多序列比對（MSA）等復雜模塊，大幅降低計算成本。
該媒體指出 AlphaFold2（Google DeepMind 的突破性 AI 模型）、RoseTTAFold 等傳統模型雖然具備更高的精度，但由于依賴多序列比對、三角更新等計算密集的特定架構，訓練與推理成本高昂。蘋果團隊希望通過簡化結構，降低硬件門檻，讓更多科研團隊受益。
SimpleFold 核心采用 2023 年提出的流匹配（Flow Matching）方法，這種技術源自擴散模型，但在生成過程中不逐步去噪，而是直接從隨機噪聲一次生成目標結構。相比逐步迭代的擴散模型，這種方式跳過多個去噪環節，計算量更低、生成速度更快，已在文本生成圖像和 3D 建模領域獲得成功。
在實驗中，研究人員分別訓練了從 100M 到 3B 參數的多個版本，并在 CAMEO22 和 CASP14 兩大權威基準上進行評估。
這些測試覆蓋了模型在泛化性、魯棒性（Robustness，一個系統或過程在面臨干擾、不確定性或異常輸入時，仍能維持其功能或穩定運行的能力）和原子級精度上的表現，結果顯示，SimpleFold 在性能上穩定優于同類流匹配模型 ESMFlow，并媲美頂尖模型表現。
具體來看，SimpleFold 無需使用昂貴的多序列比對和三角注意機制，在 CAMEO22 上達到 AlphaFold2、RoseTTAFold2 約 95% 的性能。更小的 SimpleFold-100M 版本在保持高效的同時，性能超過 ESMFold 的 90%，驗證了通用架構模塊在蛋白質預測領域的可行性和競爭力。
研究還發現，隨著模型規模和訓練數據增加，性能穩定提升，尤其在高難度測試中優勢明顯。蘋果團隊強調，SimpleFold 只是起點，希望它能推動社區構建更多高效、強大的蛋白質生成模型，進一步加速藥物研發和新材料探索。
附上參考
Apple researchers develop SimpleFold, a lightweight AI for protein folding prediction
SimpleFold: Folding Proteins is Simpler than You Think
本文鏈接：http://m.rrqrq.com/showinfo-45-28166-0.html科研利器：蘋果發布輕量 AI 模型 SimpleFold，降低蛋白質預測計算成本
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 京東探索研究院升級，劉強東將親自擔任院長
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號