Generativ süni intellekt modellərinin imkanları artdıqca, yəqin ki, onların sadə mətn göstərişlərini hiperreal təsvirlərə və hətta genişləndirilmiş video kliplərə necə çevirə bildiyini görmüsünüz.

Bu yaxınlarda generativ süni intellekt kimyaçılara və bioloqlara zülallar və DNT kimi statik molekulları araşdırmaqda kömək etmək potensialını nümayiş etdirdi. AlphaFold kimi modellər dərman kəşfini sürətləndirmək üçün molekulyar strukturları proqnozlaşdıra bilər və məsələn , MİT-in dəstək verdiyi ” RFdiffusion ” yeni zülalların dizaynına kömək edə bilər.

Bununla belə, bir problem molekulların daim hərəkət etməsi və titrəməsidir ki, bu da yeni zülallar və dərmanlar hazırlayarkən modelləşdirmək vacibdir. Fizikadan istifadə edərək bu hərəkətləri kompüterdə təqlid etmək – molekulyar dinamika kimi tanınan bir texnika – superkompüterlərdə milyardlarla vaxt addımları tələb edən çox bahalı ola bilər.

Bu davranışları daha səmərəli şəkildə simulyasiya etmək üçün bir addım olaraq, MIT Kompüter Elmləri və Süni İntellekt Laboratoriyası (CSAIL) və Riyaziyyat Departamentinin tədqiqatçıları əvvəlki məlumatlardan öyrənən generativ model hazırlayıblar.

Komandanın MDGen adlanan sistemi 3D molekulun kadrını götürə və video kimi sonrakı hadisələri simulyasiya edə, ayrı-ayrı kadrları birləşdirə və hətta çatışmayan kadrları doldura bilər. Molekullar üzərində “oyun düyməsini” vurmaqla, alət potensial olaraq kimyaçılara yeni molekullar hazırlamağa kömək edə bilər və onların xərçəng və digər xəstəliklər üçün dərman prototiplərinin təsir etmək niyyətində olduğu molekulyar quruluşla nə qədər yaxşı qarşılıqlı əlaqədə olduğunu yaxından öyrənə bilər.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=188&slotname=8188791252&adk=1687169288&adf=4054963813&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&lmt=1737697992&rafmt=11&format=750×188&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-01-video-generative-molecular-world.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTMxLjAuNjc3OC4yNjciLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzMS4wLjY3NzguMjY3Il0sWyJDaHJvbWl1bSIsIjEzMS4wLjY3NzguMjY3Il0sWyJOb3RfQSBCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1737697992747&bpp=1&bdt=117&idt=151&shv=r20250121&mjsv=m202501160401&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1737697696%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1737697696%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3Dcdf7f2f01784f52d%3AT%3D1735196613%3ART%3D1737697696%3AS%3DAA-Afjb8kbeupLLyQ0QHQmZxpM4v&prev_fmts=0x0&nras=1&correlator=6178530510035&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=447&ady=1854&biw=1903&bih=945&scr_x=0&scr_y=0&eid=95349947%2C31088669%2C31089715%2C95347432&oid=2&pvsid=2316560227167898&tmod=1660116698&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=156

Tədqiqat arXiv preprint serverində dərc olunub .

Aparıcı müəllif Bowen Jing SM ’22 deyir ki, MDGen konsepsiyanın ilk sübutudur, lakin bu, maraqlı yeni tədqiqat istiqamətinin başlanğıcını təklif edir. “Əvvəlcə generativ süni intellekt modelləri bir qədər sadə videolar yaradırdı, məsələn, insan gözünü qırpır və ya quyruğunu yelləyən it kimi,” Ph.D Jing deyir. CSAIL-də tələbə.

“Bir neçə il sürətlə irəliləyin və indi bizim Sora və ya Veo kimi gözəl modellərimiz var ki, bu modellər hər cür maraqlı üsullarla faydalı ola bilər. Biz dinamika trayektoriyalarının videolar olduğu molekulyar dünya üçün oxşar baxışı aşılayacağımıza ümid edirik. Məsələn, siz modelə birinci və 10-cu kadrı verə bilərsiniz və o, arasında olanı canlandıracaq və ya molekulyar videodakı səs-küyü aradan qaldıra və nəyin gizləndiyini təxmin edə bilər.”

Tədqiqatçılar deyirlər ki, MDGen daha geniş istifadə hallarına imkan verəcək şəkildə generativ süni intellektlə əvvəlki müqayisə olunan işlərdən paradiqma dəyişikliyini təmsil edir. Əvvəlki yanaşmalar “avtoreqressiv” idi, yəni video ardıcıllığı yaratmaq üçün ilk kadrdan başlayaraq növbətini qurmaq üçün əvvəlki hərəkətsiz çərçivəyə etibar edirdilər.

Bunun əksinə olaraq, MDGen diffuziya ilə paralel olaraq çərçivələr yaradır. Bu o deməkdir ki, MDGen, məsələn, son nöqtələrdə çərçivələri birləşdirmək və ya ilkin kadrda oynatmağa basmaqla yanaşı, aşağı kadr sürəti trayektoriyasını “nümunə etmək” üçün istifadə edilə bilər.

Bu iş ötən ilin dekabrında Neyral İnformasiya Emalı Sistemləri Konfransında (NeurIPS) nümayiş etdirilən məqalədə təqdim edilmişdir. Keçən yay, Maşın Öyrənməsi üzrə Beynəlxalq Konfransın ML4LMS Seminarında potensial kommersiya təsirinə görə mükafatlandırıldı.

Gündəlik anlayışlar üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosda ən son yenilikləri kəşf edin . Pulsuz xəbər bülleteni üçün qeydiyyatdan keçin və mühüm nailiyyətlər, innovasiyalar və tədqiqatlar haqqında gündəlik və ya həftəlik yeniliklər əldə edin .Abunə ol

Molekulyar dinamika üçün irəliyə doğru bəzi kiçik addımlar

Təcrübələrdə Jing və onun həmkarları MDGen-in simulyasiyalarının birbaşa fiziki simulyasiyaları yerinə yetirməyə bənzədiyini, eyni zamanda trayektoriyaları 10-100 dəfə daha sürətli istehsal etdiyini aşkar etdilər.

Komanda əvvəlcə öz modelinin molekulun 3D çərçivəsini götürmək və növbəti 100 nanosaniyəni yaratmaq qabiliyyətini sınaqdan keçirib. Onların sistemi bu nəsillərin bu müddətə çatması üçün ardıcıl 10 nanosaniyəlik blokları birləşdirdi. Komanda müəyyən etdi ki, MDGen əsas modelin dəqiqliyi ilə rəqabət apara bildi, eyni zamanda video yaratma prosesini təxminən bir dəqiqə ərzində tamamladı – eyni dinamikanı simulyasiya etmək üçün baza modelinə sərf etdiyi üç saatın sadəcə bir hissəsi.

Bir nanosaniyəlik ardıcıllığın ilk və son çərçivəsi verildikdə, MDGen də aralarındakı addımları modelləşdirdi. Tədqiqatçıların sistemi 100.000-dən çox müxtəlif proqnozlarda realizm dərəcəsini nümayiş etdirdi: O, 100 nanosaniyədədən qısa kliplərdəki baza xətlərindən daha çox ehtimal olunan molekulyar trayektoriyaları simulyasiya etdi. Bu testlərdə MDGen əvvəllər görmədiyi peptidlər üzərində ümumiləşdirmə qabiliyyətini də göstərdi.

MDGen-in imkanlarına həmçinin çərçivələr daxilində kadrların simulyasiyası, daha sürətli molekulyar hadisələri daha adekvat tutmaq üçün hər bir nanosaniyə arasında addımların “nümunələrinin artırılması” daxildir. O, hətta molekulların strukturlarını “boya” edə, onlar haqqında silinmiş məlumatları bərpa edə bilər. Bu xüsusiyyətlər nəhayət, tədqiqatçılar tərəfindən molekulun müxtəlif hissələrinin necə hərəkət etməli olduğu spesifikasiyası əsasında zülalların dizaynı üçün istifadə edilə bilər.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=188&slotname=8188791252&adk=1687169288&adf=3597704619&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&lmt=1737698505&rafmt=11&format=750×188&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-01-video-generative-molecular-world.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTMxLjAuNjc3OC4yNjciLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzMS4wLjY3NzguMjY3Il0sWyJDaHJvbWl1bSIsIjEzMS4wLjY3NzguMjY3Il0sWyJOb3RfQSBCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1737697992748&bpp=1&bdt=143&idt=189&shv=r20250121&mjsv=m202501160401&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1737697696%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1737697696%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3Dcdf7f2f01784f52d%3AT%3D1735196613%3ART%3D1737697696%3AS%3DAA-Afjb8kbeupLLyQ0QHQmZxpM4v&prev_fmts=0x0%2C750x188%2C1903x945%2C728x90&nras=3&correlator=6178530510035&frm=20&pv=1&rplot=4&u_tz=240&u_his=4&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=447&ady=4500&biw=1903&bih=945&scr_x=0&scr_y=726&eid=95349947%2C31088669%2C31089715%2C95347432&oid=2&pvsid=2316560227167898&tmod=1660116698&uas=3&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=3&uci=a!3&btvi=3&fsb=1&dtd=M

Zülal dinamikası ilə oyuncaq

Jing və aparıcı müəllif Hannes Stärk deyirlər ki, MDGen molekulyar dinamikanın daha səmərəli şəkildə yaradılması istiqamətində irəliləyişin ilkin əlamətidir. Yenə də, kimyaçıların hədəf strukturda görmək istədikləri hərəkətlərə səbəb olan dərman və ya molekulların layihələndirilməsində bu modelləri dərhal təsirli etmək üçün məlumatlara malik deyillər.

Tədqiqatçılar MDGen-i molekulların modelləşdirilməsindən zülalların zamanla necə dəyişəcəyini proqnozlaşdırmağa qədər genişləndirməyi hədəfləyirlər. “Hazırda biz oyuncaq sistemlərindən istifadə edirik,” deyir Ph.D. CSAIL-də tələbə.

“MDGen-in zülalları modelləşdirmək üçün proqnozlaşdırma imkanlarını artırmaq üçün biz mövcud arxitektura və mövcud məlumatlar əsasında qurmalıyıq. Bu tip simulyasiyalar üçün hələ ki YouTube miqyaslı repozitorumuz yoxdur, ona görə də ayrıca bir layihə hazırlamağa ümid edirik. modelimiz üçün məlumat toplama prosesini sürətləndirə bilən maşın öyrənmə üsulu.”

Hələlik, MDGen çılpaq gözlə görünməyən molekulyar dəyişikliklərin modelləşdirilməsində irəliyə doğru həvəsləndirici bir yol təqdim edir. Kimyaçılar həmçinin xərçəng və ya vərəm kimi xəstəliklər üçün tibbi prototiplərin davranışını daha dərindən öyrənmək üçün bu simulyasiyalardan istifadə edə bilərlər.

MIT Simons-un riyaziyyat professoru, CSAIL-in baş müstəntiqi və məqalənin baş müəllifi Bonnie Berger deyir ki, “Fiziki simulyasiyadan öyrənən maşın öyrənmə üsulları süni intellektdə elm üçün inkişaf edən yeni sərhədi təmsil edir”. “MDGen bu iki domeni birləşdirən çox yönlü, çoxməqsədli modelləşdirmə çərçivəsidir və biz bu istiqamətdə ilk modellərimizi paylaşmaqdan çox məmnunuq.”

MİT-in elektrik mühəndisliyi və kompüter elmləri və Məlumat, Sistemlər və Cəmiyyət İnstitutunun Tomas Sibel professoru və CSAIL-in əsas tədqiqatçısı Tommi Jaakkola, “Molekulyar vəziyyətlər arasında real keçid yollarının seçilməsi böyük problemdir” deyir. . “Bu ilk iş generativ modelləşdirməni tam simulyasiya işlərinə keçirərək bu cür problemləri həll etməyə necə başlaya biləcəyimizi göstərir.”

Bioinformatika sahəsində tədqiqatçılar bu sistemi molekulyar çevrilmələri simulyasiya etmək qabiliyyətinə görə elan etdilər.

Tədqiqatda iştirak etməyən Chalmers Texnologiya Universitetinin dosenti Simon Olsson deyir: “MDGen molekulyar dinamika simulyasiyalarını struktur yerləşdirmələrin birgə paylanması kimi modelləşdirir, diskret zaman addımları arasında molekulyar hərəkətləri çəkir”. “Maskalanmış öyrənmə məqsədindən istifadə edərək, MDGen keçid yolunun seçilməsi, metastabil fazaları birləşdirən trayektoriyaların rənglənməsi üçün analoqların çəkilməsi kimi innovativ istifadə hallarına imkan verir.”

Ətraflı məlumat: Bowen Jing et al, Generative Modeling of Molecular Dynamics Trajectories, arXiv (2024). DOI: 10.48550/arxiv.2409.17808

Jurnal məlumatı: Nature , arXiv  

Massaçusets Texnologiya İnstitutu tərəfindən təmin edilmişdir