BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

通过等变椭圆抛物线界面预测进行刚性蛋白质相互作用对接

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

通过生成数据和深度学习预训练网络，研究引入了一种新的分子对接方法HelixDock，表现出卓越优势。预训练分子对接模型的效果随着参数和数据数量的增加而改进。这一研究有望推动以人工智能驱动的药物发现。

🏷️

标签

HelixDock 分子对接方法 深度学习 药物发现 预训练模型
➡️

继续阅读

  1. Suno 歌词生成 API 对接说明
    本文介绍Suno歌词生成API的对接方法。该API通过输入prompt（如“A song about winter”）自动生成歌词，支持default和r...
  2. Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
    Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
  3. EP224：MCP与RAG及AI代理的对比
    An AI agent is kind of an AI system where the agent performs the task autonom...
  4. Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
    Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
  5. Claude Fable 5.1 对比 Fable 5：在实际工作中，我无法区分它们。
    Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...
  6. 在代理式RAG中建立信任始于证据
    Basic retrieval-augmented generation (RAG) follows a straightforward pattern....
👤 个人中心
在公众号发送验证码完成验证