foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
foto1
Kolejna recenzja - Xblitz S10 Duo
e-mail: office@stell.com
Phone: +43 666 777 666


Trust Primo Ultra-thin Powerbank

Power bank wielkości smartfona o pojemności pozwalającej naładować telefon kilka razy.

Więcej

Genesis Helium 100BT RGB

Kiedyś wystarczyło, by głośniki grały głośno, potem by dobrze brzmiały, a dziś mają jeszcze dobrze się prezentować.

Więcej

Acer ConceptD 3 Ezel

ConceptD 3 przyzwyczaił mnie już do białej obudowy i sporej wagi. Ale ten model ma coś, co szybko rzuca się w oczy

Więcej

Zestaw NATEC Hi, I’m Tetra!

Wielu użytkowników komputerów chce widzieć na swoim biurku akcesoria komponujące się ze sobą wyglądem i kolorem.

Więcej

Kalendarz

Pn Wt Śr Cz Pt So N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

Podziel się ze mną swoimi uwagami na temat mojego bloga, co Ci się podoba, co Ci się nie podoba, jakie recenzje chciałbyś tu zobaczyć itp.

Kliknij mnie

 

Sztuczna inteligencja będzie projektować nowe leki

Na dość nietypowy pomysł wpadli naukowcy z MIT. Postanowili przy pomocy uczenia maszynowego nauczyć SI generować cząstki, które po połączeniu z innymi mogą stworzyć nowy lek. A ponieważ opracowywanie i doskonalenie leków to zazwyczaj długi i kosztowny proces, ich metoda może zrewolucjonizować farmację.

Celem, który przyświecał im przy realizacji tego projektu było zastąpienie nieefektywnej pracy człowieka przez system, który będzie generował kolejne iteracje pilnując by niczego nie pominąć. Zespół badawczy przetestował swój model uczenia maszynowego na 250.000 wykresach molekularnych, które były szczegółowymi obrazami struktur cząstek. Naukowcy stworzyli następnie model generujący cząsteczki, który wyszukiwał najlepsze cząsteczki bazowe. Na ich podstawie projektowali nowe cząsteczki o ulepszonych właściwościach. W trakcie swoich badań odkryli, że ich model był w stanie wykonać te zadania bardziej efektywnie niż inne systemy zaprojektowane do automatycznego projektowania lekarstw. Jest to szczególnie ważne, ponieważ wytwarzanie nieprawidłowych cząsteczek jest poważnym niedociągnięciem innych systemów automatyzacji. W przypadku innych rozwiązań, z którymi naukowcy z MIT porównali swój model, współczynnik ten wynosił zaledwie 43,5 procent. Najlepsza cząsteczka jaką wygenerował ich model uzyskała o 30% wyższą wartość dwóch pożądanych właściwości niż najlepsza opcja wyprodukowana przez tradycyjne systemy
Badania specjalistów z MIT zostaną zaprezentowane w przyszłym tygodniu na Międzynarodowej Konferencji na temat uczenia maszynowego. To pokazuje też, jak bardzo zaawansowane są dziś algorytmy sztucznych inteligencji. A specjaliści intensywnie pracują nad tym, by były jeszcze lepsze.

Znajdziesz mnie:

Subscribe on YouTube