用来模拟生成蛋白质。
模型设计好后,导入了蛋白质数据库中19000个家族2。81亿种不同蛋白质对应的氨基酸序列训练了AI模型ProGen,随后使用ProGen生成了100万种蛋白质,在其中按杀菌潜力选取了100种进行实验,结果这100个蛋白质中有66个可以杀死细菌,有2个的杀菌能力和蛋白溶菌酶不相上下,更牛的是这2个蛋白质对应的氨基酸序列的相似度只有18%。
AI的加入极大的缩短了新药研发的周期,帮助人类完成了一些不可能完成的筛选蛋白质的任务。
既然AI可以帮助人类发现规律,为什么不能帮助自己去探寻规律呢?
受到这个思路的启发,罗毅提出设计一个模型,这个模型旨在解决曙光自身算力分配、外界闲置算力搜索及主动介入使用的问题。
这个模型需要输入曙光所作每个动作所需算力的总量变化,然后通过模型的训练,使之能选择出每个动作的最优方案,同时自己去匹配自己的算力,这样就为曙光创造了一种自主意识。
这就类似于人脑专注力一样,在算力充足时,曙光可以高速运转,这时他就处在专注的状态;在算力不足时,曙光可以主动搜索周围的闲置算力,并主动介入,但算力没有提升之前,曙光将处在一种走神的状态。
人类要吃的是饭,而机器人要吃的则是算力。
这个模型的好处在于让曙光不再每时每刻都必须具备大量算力支撑,而是变成了一个时刻了解自己状态的聪明人。
而对外界算力的搜索和介入使用,成为了这个提案中吸引大家的一个亮点。
目前虽然全球都算力紧张,但不能忽略的事实是,一边是算力紧张,而另一边确是大量闲置算力因没被整合而浪费。
其实到了这个时代,算力己无处不在,我们闲置的手机、电脑、智能汽车、智能家电等等都蕴藏着大量闲置算力。
这些算力资源的特点是:算力分散但