Demis：AI for Science 是十年核心赛道
Demis说终极目标是做"虚拟细胞"——一个完整运作的细胞模拟系统，研究人员可以在上面做实验扰动观察结果，作为在这个方向干了三年的人，说说要实现这个目标到底需要什么技术栈，想入行的朋友可以对着准备。首先最底层还是深度学习基础，Transformer、GNN、扩散模型这些必须熟，AlphaFold 3就是基于这些架构做的，但光会通用深度学习还远远不够。第一，你得懂分子模拟：分子动力学(MD)、蒙特卡洛方法、自由能计算，这些是计算生物的基本功；第二，你得懂生物知识：结构生物学、生物化学、细胞生物学，不用你会做实验但基本概念得懂，不然你连问题都定义不清楚；第三，几何深度学习，因为生物分子都是三维结构，等变神经网络、SE(3)Transformer这些是现在的主流；第四，多尺度建模，从原子到残基到分子到细胞器到整个细胞，不同尺度建模方法完全不一样；第五，高性能计算，分子模拟非常吃算力，CUDA优化、并行计算是必备技能。大家也不用被吓到，不需要你所有都精通，找到一个细分方向深耕就行，比如就做蛋白质结构预测，或者就做分子对接，或者就做AI辅助分子动力学采样，任何一个点做深了都不愁工作。另外说个很多人忽略的点：这个方向非常看重开源贡献，你要是能给AlphaFold、OpenMM、RDKit这些知名开源项目提交PR，比你刷十道LeetCode管用多了。想知道更具体学习路径的可以评论区问。
发布于 广东
分享
评论
1
未登录
友善发言
评论
加载中
