北大&望石智慧提出全新模型：弥合化学反应预训练与条件分子生成之间的鸿沟！
化学反应是药物设计和有机化学研究的基础。研究界越来越需要一种能够有效捕获化学反应基本规则的大规模深度学习框架。近日，来自北京大学和望石智慧的研究团队提出了一种新方法来弥合基于反应的分子预训练和生成任务之间的差距。受到有机化学机制的启发，研究人员开发了一种新的预训练框架，使其能够将归纳偏差纳入模型中。这个提出的框架在执行具有挑战性的下游任务时取得了最先进的结果。通过掌握化学知识，该框架克服了目前依赖少量反应模板的分子生成模型的局限性。在大量的实验中，该模型生成了高质量的可合成药物样结构总的来说，该研究向各种
化学反应是药物设计和有机化学研究的基础。研究界越来越需要一种能够有效捕获化学反应基本规则的大规模深度学习框架。
近日，来自北京大学和望石智慧的研究团队提出了一种新方法来弥合基于反应的分子预训练和生成任务之间的差距。
受到有机化学机制的启发，研究人员开发了一种新的预训练框架，使其能够将归纳偏差纳入模型中。这个提出的框架在执行具有挑战性的下游任务时取得了最先进的结果。通过掌握化学知识，该框架克服了目前依赖少量反应模板的分子生成模型的局限性。在大量的实验中，该模型生成了高质量的可合成药物样结构
总的来说，该研究向各种基于反应的应用程序的大规模深度学习框架迈出了重要一步。
该研究以《Bridging the gap between chemical reaction pretraining and conditional molecule generation with a unified model》为题，于 2023 年 12 月 5 日发布在《Nature Machine Intelligence》上。
论文链接：https://www.nature.com/articles/s42256-023-00764-9
深度学习模型已经在许多科学研究领域得到广泛应用。预训练框架对于新任务的无缝集成起到了积极作用，可以加快建模过程，特别是在标记数据有限的情况下
药物设计和有机化学研究的基础是化学反应。目前，数据挖掘的研究和应用已经使得深度学习模型可以用于化学反应。基于这些数据，已经有许多数据驱动的研究深入研究化学反应的表征学习
表征学习是指从数据中自动学习有用的特征，然后将其用于各种下游任务。现有方法忽略了有机化学的基本理论，限制了其性能。
基于化学反应的分子生成
除了反应分类任务外，基于化学反应的分子生成也是一个重要的应用。在早期的研究中，通常采用基于模板的逐步分子生成策略
这些基于模板的方法在很大程度上依赖于预定义的构建模块和反应，这缩小了可访问的化学空间。在反应产物预测领域也发现了类似的趋势，其中基于模板的方法不能外推到复杂的反应；这个问题可以通过使用无模板方法来解决。
在基于反应的分子生成任务中，无模板方法也表现出了优于基于模板方法的泛化优势。然而，现有的无模板分子生成方法只能基于预定义的反应物库生成分子。除此之外，对于药物设计中的先导化合物或先导化合物优化阶段，利用化学反应作为编辑工具来修改给定的结构是更有利的。生成的化学库将重点关注可以用更少的反应步骤合成的化学空间的子集。
一个新、全面的化学反应深度学习框架
在此，研究人员提出了一个新的、全面的化学反应深度学习框架，称为 Uni-RXN。旨在解决两个基本任务：自监督表征学习和条件生成建模。
展示：Uni-RXN的组成和方法。（引自：论文）
与现有方法不同，研究人员提出了一套专门针对化学反应精心设计的自监督任务。这些任务包括反应中心预测、主反应物与子反应物配对以及反应物-产物配对。在对具有挑战性的反应任务的广泛评估中，Uni-RXN 方法超越了最先进的水平，证明了其有效捕获化学反应领域知识的能力。所获得的有希望的结果为广泛的下游应用铺平了道路
通过有效捕获化学规则，Uni-RXN 非常适合生成任务。与依赖于从预定义反应物库中选择片段的传统方法不同，Uni-RXN 将分子结构作为输入条件并生成相应反应物的表示，同时保持反应内的排列不变性。利用密集向量相似性搜索包的强大功能，Uni-RXN 能够从大型反应物和试剂库中高效检索反应物。随后，采用反应预测模型来生成产物输出。
与仅探索化学空间的有限子集的基于模板的方法相比，Uni-RXN 在生成更广泛的可合成药物样结构方面表现出卓越的性能。这一特点使其特别适合虚拟 library 枚举，并得到全面统计分析和案例研究的支持。
Uni-RXN 方法有许多优势，可以为具有挑战性的化学反应分类任务生成丰富的表达。相对于其他基线模型，Uni-RXN 在每类仅提供 4 个数据点的情况下，准确率达到了 58.7%
重写后的内容：化学反应分类的准确度见表1。（来源：论文）
Transformer 模型可以被用来区分优化和未优化的化学反应数据。此外，编码器也可以轻松应用于结构条件的生成
需要重新改写的内容是：图表展示了Uni-RXN的检索性能和注意力权重。（来源：论文）
研究结果强调了所提出的模型所生成的分子具有有利的特性，这使得它们非常适合于药物发现任务。该模型可以生成更多具有类似药物特性和可合成性的分子
图示：Uni-RXNGen 流程与性能。（来源：论文）
与分子对接等虚拟筛选方法相结合，该生成模型可以实现高效的构效关系研究。该模型生成的巨大的可合成类药物化学空间可以提高药物再利用或命中分子搜索的真阳性率。
近日，有汽车领域博主爆料，特斯拉的FSD（完全自动驾驶）辅助系统将迎来一次重要升级，或将实现更真实的环境场景还原。在最新曝光的软件代码中，发现了大量新增的渲染模型，涵盖多种车辆与行人类型。这些新增模型包括救护车、消防车、垃圾清运车、校车、半挂式卡车、高尔夫球车、骑电动滑板车的行人、使用轮椅的行人、玩滑板的行人、推婴儿车的行人，以及道路清扫车、三轮车、拖车、火车和有轨电车等。这一系列高精度建模意味着FSD系统将能更准确识别并响应复杂交通参与者的行为。据CNMO掌握的消息，日本方面已为特斯拉FSD系统的落地扫
AI视频生成正迎来属于“通义”的高光时刻！就在昨晚，阿里巴巴悄然推出了一款由音频驱动的14B视频大模型——Wan2.2-S2V。只需上传一张静态图片和一段音频，就能生成出面部表情生动、口型精准匹配、肢体动作流畅自然的电影级数字人视频，效果惊艳。实际效果展示如下：△来自@AIMIRAI46487更令人振奋的是，这款新模型一经发布便全面开源，现在所有人都可以免费在通义万相官网体验使用。据官方介绍，Wan2.2-S2V的核心优势包括：支持最长分钟级的单次视频生成，画面稳定且具有一致性；具备影院级别的音
5月30日，华为推出了全新的AI模型——盘古UltraMoE，该模型的参数量达到了7180亿。作为一款接近万亿参数的MoE(MixtureofExperts)模型，它在整个训练过程中完全基于华为的昇腾AI平台完成，标志着华为在超大规模模型训练方面取得了重要进展。盘古UltraMoE的成功训练离不开盘古团队研发的一系列创新技术。例如，Depth-ScaledSandwich-Norm(DSSN)稳定架构的引入，显著改善了超大规模模型训练期间出现的梯度异常及
大语言模型面对加密数据，即便最新的Qwen3也会感到压力！尽管当下各类推理模型在多种基准测试中表现优异，但在密码学这样对逻辑严谨性和细节准确性要求极高的专业领域，模型的推理能力还有待深入挖掘。密码学不仅要求模型具备高级数学运算能力和严密的逻辑推理链，还需要其能够精准辨识复杂加密模式中的潜在规律；成功解密要求模型拥有极强的综合推理能力。上海AILab等联合推出的CipherBank测评，使用大量真实隐私场景数据和多种密码算法，严苛挑战当前最先进的大模型。CipherBank的测评结果显示，目前的大语言模型
强化学习（RL）结合真实搜索引擎可以显著提升大模型的检索和推理能力。然而，这一方法面临两大挑战：搜索引擎返回的文档质量不稳定，导致训练过程中的噪音和不稳定性；RL训练需要频繁部署，产生大量API开销，限制了可扩展性。针对这些问题，阿里通义实验室推出了开源解决方案ZeroSearch，这是一个无需与真实搜索引擎交互的强化学习框架。实验表明，ZeroSearch只需使用3B参数的LLM作为检索模块，就能有效提升搜索能力，并大幅节省API成本。ZeroSearch让LLM实现自给自足
编辑：桃子【新智元导读】第二代Ameca升级亮相，搭载GPT-4技术，实现实时对话。人形机器人Ameca迎来了它的第二代版本！近期，在2024年世界移动通信大会（MWC）上，全球最先进的机器人Ameca再度亮相。Ameca在会场周围吸引了大量观众。通过GPT-4的增强，Ameca能够即时回应各种问题。「展示一段舞蹈吧」。当被问及是否有情感时，Ameca通过一系列逼真的面部表情作出回应。就在几天前，开发Ameca的英国机器人公司EngineeredArts展示了他们团队的最新成果。视频中，Ameca具备了
4月2日，HuggingFace大模型榜单迎来更新，阿里通义千问近期开源的端到端全模态大模型Qwen2.5-Omni力压群雄，荣登榜首！DeepSeek-V3-0324和群核的SpatialLM-Llama-1B紧随其后，杭州公司包揽榜单前三甲。Qwen2.5-Omni展现出卓越的多模态处理能力，能够流畅处理文本、图像、音频和视频等多种数据类型，并实时生成文本及语音输出。在OmniBench等权威多模态融合任务评测中，其性能表现创下新纪录。令人惊喜的是，它仅拥有70亿参数的小巧体积，这使得全模态大模
比特现金（BCH）的未来发展前景看好。凭借其可扩展性、支付采用、价值存储、智能合约和坚实的社区支持，比特现金有望在多个领域取得显著发展，成为一种多功能且广泛使用的加密货币。
ACH 总共发行了 10 亿枚，用于支付网关费用、治理投票和质押奖励。ACH 基于 BEP-20 标准，采用 PoS 机制，可通过私募、公募和生态系统分配获取，其价值受服务需求、实用性和市场趋势影响，可在币安、火币等交易所购买。
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
