找回密码
 立即注册
GPUS-Cat 该用户已被删除
发表于 2020-1-19 10:34:44
27790
人工智能改进蛋白质相互作用的结构建模
为了更好地理解蛋白质在体内是如何相互作用的,普渡大学(Purdue University)的研究人员开发了一种基于深度学习的方法来模拟蛋白质的相互作用,这是人工智能的第一次。这项工作有可能帮助对抗各种疾病,并设计出更好的直接针对蛋白质相互作用的药物。
研究生、研究团队成员小王说“我们的工作代表了生物信息学领域的一个重大进步,”。他补充说“这可能是研究人员首次成功地使用深度学习和3D功能来快速了解某些蛋白质模型的有效性,”。
利用NVIDIA TITAN RTX GPUs,结合CUDA和cuDNN-accelerated TensorFlow加速深度学习框架,研究人员开发了一个名为DOVE的系统,将诱饵选择与基于体素的深度神经网络对接,将深度学习原理应用到蛋白质相互作用的虚拟模型中。
由普渡大学(Purdue)研究人员创建的多芬(DOVE)捕捉到蛋白质与3D盒对接模型界面的结构和能量特征,并利用3D卷积神经网络判断模型的正误。
该模型检测了虚拟蛋白质的蛋白质-蛋白质界面,然后使用深度学习模型识别和捕获正确和错误模型的结构特征。
王说:“这些信息可以用于靶向药物的研发,以阻止某些蛋白质与蛋白质的相互作用。”
研究人员说,NVIDIA TITAN RTX GPUs可用于训练和推理。
本周在《生物信息学》杂志上发表了一篇描述这项工作的论文。研究人员还在GitHub上发布了他们的代码,同时还发布了一个在线演示,让任何人都可以尝试这些代码。
--------------------------
驾驶实验室:本地化如何帮助车辆找到方向
作者:Jordan Marr, Yu Sheng, Amir Akbarzadeh
定位是自动驾驶汽车的一项关键功能,它使得在地图上精确定位它们的位置成为可能。
这种高水平的准确性使自动驾驶汽车能够了解其周围的环境,并建立一种道路和车道结构的感觉。通过定位,车辆可以检测到车道何时分叉或合并,规划车道变化,甚至在标记不清楚的情况下确定车道路径。
驱动定位通过将车辆环境中的语义地标与高清地图上的特征进行匹配,以实时准确地确定车辆所处的位置,从而实现精确定位。在这个驱动实验室中,我们展示了我们的定位算法如何使用大众市场的传感器实现高精度和鲁棒性。
--------------------------
Deepwave Digital开发了第一个用于5G网络的深度学习频谱传感器
下面这篇文章是Deepwave Digital的一篇客座文章,Deepwave Digital是一家致力于将人工智能融入无线电频率和无线技术的科技公司。在下面的帖子中,Deepwave的工程师描述了他们如何为5G网络开发出第一个基于深度学习的传感器。
作者:John D. Ferguson, Peter Witkowski, William Kirschner, Daniel Bryant
Deepwave Digital正在使用人工智能无线电收发器(AIR-T)为5G网络创建第一个深度学习传感器。该网络名为公民宽带无线电服务(CBRS),将是电信行业提供的第一个利用实时射频传感的自主频谱共享服务。
CBRS操作的关键是确定优先级用户是否在特定频率通道上处于活动状态的能力。当没有优先用户时,频谱可能被重新分配给商业网络,以提供新的企业服务或现有服务的额外带宽。
AIR-T是一个独特的平台,它将射频(RF)硬件与嵌入式NVIDIA Jetson TX2相结合,用于高通量数字信号处理(DSP)。对于CBRS, Deepwave团队已经在AIR-T上实现了一个深度神经网络(DNN),它能够非常准确地检测、分类和报告优先用户的存在。通过利用AIR-T及其AirStack开发环境,Deepwave团队证明了可以在Jetson产品线和AIR-T上创建、测试和部署企业级信号处理解决方案。
点击“阅读原文”了解更多开发者新闻。


使用道具 举报 回复
发新帖
您需要登录后才可以回帖 登录 | 立即注册