Esta página foi traduzida automaticamente e ainda não foi revisada. Como ajudar
Inteligência artificial / ai/ai-for-science
IA para a ciência
Sistemas de IA que propõem, testam e refinam hipóteses, projetos e experimentos científicos bem o bastante para que seus resultados sejam confirmados em laboratório a uma taxa que acelere a descoberta.
Escopo
No escopo: modelos e agentes usados para gerar e classificar candidatos (moléculas, proteínas, materiais, experimentos) e para fechar o ciclo com o retorno do laboratório ou da simulação. Fora do escopo: o custo energético de executá-los, coberto por ai/energy-efficient-inference; as descobertas específicas que eles possibilitam, cobertas por tecnologias como biotech/de-novo-protein-design e health/antibiotics-for-resistant-bacteria.
- Maturidade
- não avaliado
- Contribui para
- Saúde e bem-estar, Indústria, inovação e infraestrutura
- Última revisão
- nunca
- Curadores
- ninguém ainda: candidate-se
Proposta: o enunciado e o escopo estão escritos, mas as métricas, a meta ou as lacunas ainda não estão completas. Um único número com fonte já é uma contribuição de verdade.
Métricas
Nenhuma métrica ainda.
Lacunas
Nenhuma lacuna registrada ainda.
Dependências
Depende de
- Inferência de IA com eficiência energética Triagem e ciclos agênticos fazem muitas chamadas de modelo por experimento, de modo que a energia e o custo por token determinam até onde os ciclos de descoberta podem escalar.
Necessária para
- Projeto de proteínas de novo Os métodos de projeto são modelos de aprendizado profundo treinados com estruturas de proteínas.
- Antibióticos para bactérias resistentes Modelos de aprendizado de máquina triam e geram moléculas candidatas muito mais rápido do que a triagem manual de bibliotecas.
Mantém abertas
- A taxa de sucesso varia muito entre alvos e entre gruposProjeto de proteínas de novo
As setas vão de uma tecnologia àquilo de que ela depende. Selecione um nó para abri-lo.
Evidências
Nenhuma evidência citada ainda.