Research·
نموذج CheMeleon من MIT يتنبأ بسلوك الجزيئات باستخدام بيانات محدودة
إطار عمل مفتوح المصدر للتعلم الآلي من MIT يُدعى CheMeleon يتعلم الكيمياء من مليون جزيء ثم يضبط نفسه للتنبؤ بخصائص مثل الفعالية والسمية والذوبان باستخدام بيانات تجريبية قليلة. وقد تبنته عدة شركات أدوية وتصدر تحدياً كبيراً للتنبؤ.
كشف باحثو MIT عن نظام CheMeleon، وهو نموذج تعلم آلي يكتسب معرفة كيميائية واسعة عبر التنبؤ بمواصفات سهلة الحساب لحوالي مليون جزيء. بعد مرحلة التدريب المسبق هذه، يمكن تكييف النموذج نفسه بسرعة مع أي خاصية محددة — مثل تقارب الليغاند، السمية، أو الذوبان — باستخدام عدد قليل فقط من الأمثلة الموسومة.
يعتمد النهج على مكتبة ChemProp مفتوحة المصدر التي تديرها نفس المجموعة، وهو متاح للتحميل المجاني. في مسابقة OpenADMET الأخيرة، اعتمد تسعة من أفضل عشرين مشاركة على CheMeleon، مما دفع إحدى كبرى شركات الأدوية لاعتماده كنقطة انطلاق افتراضية لجميع مشاريع نمذجة الجزيئات.
لماذا يهم البنية التحتية للذكاء الاصطناعي
يوضح CheMeleon كيف يمكن لنموذج واحد مُدرّب على نطاق واسع أن يخدم مهاماً متعددة، مما يقلل الحاجة إلى عمليات تدريب كاملة متكررة. لمزودي السحابة المعتمدة على GPU، يعني هذا النمط زيادة استغلال العناقيد الحالية: يمكن للعملاء ضبط نموذج أساسي مشترك على تخصيصات GPU متواضعة بدلاً من توفير مهام تدريب واسعة مخصصة لكل خاصية جديدة.
كما أن الطبيعة مفتوحة المصدر للكود تشجع التجريب السريع، مما يتيح لفرق البحث التكرار على هياكل النماذج واستراتيجيات البيانات دون تكاليف حسابية باهظة. مع تبني المزيد من المجالات لنموذج نقل التعلم هذا، من المتوقع أن يزداد الطلب على موارد GPU مرنة وعند الطلب — مثل تلك التي توفرها AiGpu.
- aigpu
- ai gpu
- ai gpu cloud
- aigpu dubai
- molecular modeling
- machine learning
- drug discovery
- cheminformatics
بقلم AiGpu Editorial · إعادة صياغة تحريرية استناداً إلى تقارير عامة (MIT News AI)
→ كل المقالات