色一情一乱一乱一区99AV白浆,老妇高潮潮喷到猛进猛出

動態(tài)新聞 | 第二屆AI藥物研發(fā)算法大賽決賽在清華大學(xué)藥學(xué)院成功舉行

2024.12.22

2024年12月22日，第二屆AI藥物研發(fā)算法大賽決賽在清華大學(xué)藥學(xué)院成功舉行。本次比賽由清華大學(xué)藥學(xué)院、百度飛槳、Intel共同發(fā)起，并得到中國藥學(xué)會等單位大力支持，同時邀請到多位AI制藥領(lǐng)域?qū)＜覔螌＜椅瘑T會委員。清華大學(xué)藥學(xué)院副院長陳立功教授發(fā)表了決賽開幕式致辭，表示希望通過比賽的形式，促進高校、科研院所與企業(yè)在AI+藥學(xué)領(lǐng)域的合作與發(fā)展，解決領(lǐng)域的難題，同時能夠在這個過程中，孕育更多AI與生物醫(yī)藥交叉學(xué)科的人才。北京大學(xué)定量生物學(xué)中心裴劍鋒、清華大學(xué)智能產(chǎn)業(yè)研究院蘭艷艷、中國科學(xué)院上海藥物研究所鄭明月、加拿大魁北克省人工智能研究中心唐建、浙江大學(xué)藥學(xué)院侯廷軍、清華大學(xué)藥學(xué)院田博學(xué)，共同擔任本次決賽評委并出席了頒獎典禮。此外，百度飛槳教育生態(tài)運營負責(zé)人錢芳女士以及飛槳螺旋槳PaddleHelix產(chǎn)品負責(zé)人張肖男女士作為嘉賓出席了本次比賽。

經(jīng)過一下午的精彩答辯，同濟大學(xué)TJ-AI4S團隊獲得了一等獎，中國科學(xué)院上海藥物研究所“打不過就學(xué)”團隊和復(fù)旦大學(xué)“小老正”團隊獲得了二等獎，“paipai”團隊、南京冰鑒科技有限公司“我只摸魚不劃水”團隊、南京大學(xué)“計算機也是化學(xué)”團隊和大連莘火科技有限公司“深度玄學(xué)”團隊獲得了三等獎。

2022年清華大學(xué)藥學(xué)院聯(lián)合百度，籌備建設(shè)“AI+藥學(xué)”產(chǎn)學(xué)研融合創(chuàng)新基地，推出了AI+制藥前沿課程和人才培養(yǎng)計劃。本屆大賽從2024年7月11日正式啟動，共吸引了來自505支團隊的656人報名參賽，經(jīng)過歷時近四個月的初賽與復(fù)賽，最終由來自同濟大學(xué)、中國科學(xué)院上海藥物研究所、復(fù)旦大學(xué)、南京冰鑒信息科技有限公司等，共7支團隊晉級總決賽！

本次賽題的主要內(nèi)容是預(yù)測倍半萜類分子的量子化學(xué)性質(zhì)。比賽專注于解決分子屬性預(yù)測領(lǐng)域中的模型泛化能力問題，參賽者需要在有限的訓(xùn)練數(shù)據(jù)集上訓(xùn)練模型，并在更大的測試集上評估其性能。比賽希望參賽者能夠設(shè)計出具有較強泛化能力的分子表示學(xué)習(xí)算法，以適應(yīng)多種類型的分子。這樣的突破有望成為分子表示學(xué)習(xí)領(lǐng)域的重要進展，推動AI在藥物研發(fā)領(lǐng)域的應(yīng)用與發(fā)展。

本次比賽分為初賽、復(fù)賽和總決賽三個階段。在初賽和復(fù)賽階段，參賽者需要根據(jù)給定的數(shù)據(jù)集進行模型訓(xùn)練。初賽后，前60%的參賽隊伍將擇優(yōu)進入復(fù)賽。復(fù)賽成績將作為進入決賽答辯的依據(jù)，選手按復(fù)賽成績排序進入決賽。決賽的最終成績由復(fù)賽得分（占80%）和現(xiàn)場答辯得分（占20%）組成。團隊的答辯成績將由評委根據(jù)算法創(chuàng)新性和答辯表現(xiàn)進行打分。

在整個下午的精彩答辯后，田博學(xué)副教授宣布了大賽各個獎項的最終歸屬。來自同濟大學(xué)的TJ-AI4S團隊獲得了本次比賽的一等獎，該團隊創(chuàng)新性提出了一種適用于分子表征的特征與標簽延拓策略Stretching Features and Labels (SFL)，在不破壞藥物分子特征內(nèi)在語義的情況下，實現(xiàn)了多樣化的結(jié)構(gòu)分布外和性質(zhì)分布外偽數(shù)據(jù)構(gòu)造。該方案簡潔、高效，具備較高可解釋性和較強通用性，能無縫整合進各種分子預(yù)訓(xùn)練大模型，該團隊在復(fù)賽和決賽中均取得第一名的成績。

來自中國科學(xué)院上海藥物研究所的“打不過就學(xué)”團隊和來自復(fù)旦大學(xué)的“小老正”團隊獲得了二等獎。“paipai”、“我只摸魚不劃水”、“計算機也是化學(xué)”和“深度玄學(xué)”團隊獲得了三等獎。其中，“打不過就學(xué)”團隊基于VisNet模型設(shè)計了多種預(yù)訓(xùn)練任務(wù)，使模型能夠?qū)W到基本的物理知識，團隊還利用基團信息構(gòu)建了不變的子圖，并通過先編碼后分離的策略來提升模型的泛化能力。“小老正”團隊在推理過程中采用了自適應(yīng)加權(quán)平均的方案，根據(jù)模型預(yù)測值的大小動態(tài)調(diào)整預(yù)測值的方差，從而提升模型對分布外數(shù)據(jù)的預(yù)測能力。“我只摸魚不劃水”團隊采用了Pairwise學(xué)習(xí)策略，通過預(yù)測樣本對之間的屬性差值來預(yù)測分子的屬性，該方案能夠有效提升模型對YOOD分子的預(yù)測能力。

其他團隊在分子構(gòu)象優(yōu)化、分子特征提取、模型訓(xùn)練策略方面都做出了一些創(chuàng)新，獲得了比基線模型以及其他參賽者更準確的分子預(yù)測模型。

在舉辦本次比賽的過程中，清華大學(xué)藥學(xué)院、百度公司、Intel的各位領(lǐng)導(dǎo)提供了非常巨大的支持。這次比賽不僅促進了AI與藥學(xué)領(lǐng)域的合作與發(fā)展，還為解決藥物研發(fā)中的關(guān)鍵問題提供了新的思路和方法，為培養(yǎng)更多AI與生物醫(yī)藥交叉學(xué)科的人才做出了積極貢獻。

未來，清華大學(xué)藥學(xué)院將繼續(xù)在AI+藥學(xué)領(lǐng)域發(fā)揮重要作用。通過與企業(yè)、科研院所的合作，進一步推動AI技術(shù)在藥物研發(fā)中的應(yīng)用，加速藥物研發(fā)過程，為疾病的治療和防控提供更多的選擇和可能性。于此同時，清華大學(xué)藥學(xué)院將繼續(xù)培養(yǎng)具備跨學(xué)科背景的人才，推動AI與藥學(xué)的深度融合，為推動醫(yī)藥領(lǐng)域的創(chuàng)新和發(fā)展做出更大的貢獻。