В пресс-службе НИУ ВШЭ сообщили, что ученые вуза обнаружили, что применение классических алгоритмов обучения с подкреплением значительно улучшает скорость и эффективность работы генеративных потоковых сетей (GFlowNets). Эти сети используются для ускоренной разработки лекарств и решения сложных задач оптимизации.
Научный руководитель центра искусственного интеллекта НИУ ВШЭ, Алексей Наумов, отметил, что новый подход позволил сгенерировать на 30% больше качественных молекул лекарств, чем существующие методы. Ученые сравнивают работу генеративных потоковых сетей с конструктором LEGO, где система предсказывает оптимальное расположение «деталей» для создания нужной структуры молекулы.
Интеграция классических методов, таких как M-DQN, в систему искусственного интеллекта для моделирования молекул, способных связываться с человеческим белком sEH, показала значительные преимущества перед специализированными подходами, отметили в пресс-службе.
Источник: www.ferra.ru
Похожие новости:
ASUS объявляет о стратегии внедрения искусственного интеллекта, ноутбуки Copilot+ и решения для создателей контента на выставке Computex 2024
Возникновение турбулентности смоделировали на уровне атомов
Завершены финалы чемпионатов мира по программированию ICPC-46 и ICPC-47, где ВШЭ и МФТИ взяли золото и серебро
«Яндекс» и факультет компьютерных наук НИУ ВШЭ расширяют сотрудничество и открывают новые курсы и магистратуру