除了人類蛋白質(zhì)組(人類基因組表達的所有約 20,000 種蛋白質(zhì)),我們還提供對20 種其他具有生物學(xué)意義的生物的蛋白質(zhì)組的開放訪問,總計超過 350,000 種蛋白質(zhì)結(jié)構(gòu)。提供了迄今為止最完整、最準(zhǔn)確的人類蛋白質(zhì)組圖,是人類積累的高精度人類蛋白質(zhì)知識的兩倍多結(jié)構(gòu)。
人工智能技術(shù)的一個趨勢是在邊緣端平臺上部署高性能的神經(jīng)網(wǎng)絡(luò)模型,并能在真實場景中實時(>30幀)運行。如何保持模型精度基礎(chǔ)上近一步減少模型參數(shù)量和復(fù)雜度,逐漸成為一個研究熱點。軟江圖靈邊緣計算嵌入式算法模式將改變這種格局。
通過迭代和正反饋循環(huán),使用我們的 RNA人工智能平臺進行預(yù)測可以改善和釋放新的治療機會。我們的 RANAI專注于糾正 RNA 剪接作為恢復(fù)蛋白質(zhì)表達的一種手段。我們目前正在開發(fā) RANAI 3.0,以支持針對涉及多個基因的更常見、更復(fù)雜的疾病的目標(biāo)識別和藥物發(fā)現(xiàn)。我們現(xiàn)在正在推進一系列項目,包括神經(jīng)發(fā)育、神經(jīng)退行性和代謝。
軟江圖靈多態(tài)數(shù)據(jù)流架構(gòu)的所有元素,從編譯器工具鏈開始,一直到計算核心,都可以無縫工作,以實現(xiàn)最小化數(shù)據(jù)移動的目標(biāo),從而實現(xiàn) AI 工作負(fù)載的最高效率。與將 AI 模型映射到單個數(shù)據(jù)流的其他架構(gòu)不同,軟江圖靈的多態(tài)數(shù)據(jù)流架構(gòu)允許將任何數(shù)據(jù)流優(yōu)化映射到處理器上。
體育數(shù)據(jù)的可用性在數(shù)量和粒度上都在增加,從匯總高級統(tǒng)計數(shù)據(jù)和測量的時代轉(zhuǎn)變?yōu)楦毜臄?shù)據(jù),例如事件流信息(帶注釋的傳球或射門)、高保真球員位置信息、和身體傳感器。我們利用機器學(xué)習(xí)和人工智能來理解給出建議,我們通過結(jié)合統(tǒng)計學(xué)習(xí)、視頻理解和博弈論來展望體育分析的未來前景。
軟江圖靈人工智能整理了一個眼睛視網(wǎng)膜圖像數(shù)據(jù)集,訓(xùn)練了一個可以預(yù)測exAMD發(fā)展的人工智能 (AI) 系統(tǒng),并進行了一項研究與專家臨床醫(yī)生相比評估我們的模型。我們已經(jīng)證明:我們的系統(tǒng)在預(yù)測眼睛是否會在未來 6 個月內(nèi)轉(zhuǎn)變?yōu)?exAMD 方面的表現(xiàn)與臨床醫(yī)生一樣好或更好。
軟江圖靈專門解決了傳統(tǒng)泛函的兩個長期存在的問題:離域誤差和自旋對稱性破壞。隨著技術(shù)越來越多地轉(zhuǎn)向量子尺度來探索有關(guān)材料、藥物和催化劑的問題,包括我們從未見過甚至想象不到的問題,深度學(xué)習(xí)有望在這個量子力學(xué)水平上準(zhǔn)確地模擬物質(zhì)。
軟江圖靈人工智能提供了一種在人工智能代理中生成零樣本、高召回率的文化傳播的方法。我們在不使用任何預(yù)先收集的人類數(shù)據(jù)的情況下,在新的環(huán)境中成功地從人類進行實時文化傳播。這為文化進化作為開發(fā)通用人工智能的算法鋪平了道路。