生物物理Transformer以连续场预训练蛋白语言模型
热点事件观察中
生物物理Transformer以连续场预训练蛋白语言模型
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
Jiang、Singharoy 提出 Biophysical Transformer：在序列和结构之外，把连续生物物理场作为第三种预训练信号，用 Poisson-Boltzmann 求解器计算每个三残基 token 周围的静电势，并以旋转不变球谐描述符作为损失目标，使推理时无需坐标。 在 FLIP Meltome 热稳定性基准上，与只差一个开关的对照相比，场目标在人类两个 split 的每个已训练头上都提高了 Spearman 相关系数；但在混合物种 split 上，这一效果不再存在。作者称，所有结果都只基于每个实验组一次预训练运行，且当前设计无法区分场内容与一般正则化的作用。
AI 根据报道生成 · 2 天前更新
最新进展11月11日 08:00
Biophysical Transformer：在序列与结构之外用连续生物物理场预训练蛋白质语言模型报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- bioRxiv · Biophysics精选Biophysical Transformer：在序列与结构之外用连续生物物理场预训练蛋白质语言模型
作者提出 Biophysical Transformer，在序列和结构之外加入连续生物物理场作为第三种预训练信号，用 Poisson-Boltzmann 求解器计算每个三残基 token 周围的静电势，并以旋转不变球谐描述符作为损失目标，使推理时无需坐标。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 911月11日 22:00
- 近 24 小时变化
- -20%
02.557.510
11月12日12:0011月13日12:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。