加速生物计算发展,推动AI+制药应用落地
生物计算是百度持续发力的另一大前沿技术领域 。 自2018年开展生物计算相关研究以来,百度以RNA中具有重要作用的大分子为研究对象,以生物计算相关算法为研究核心,陆续开发出了LinearFold、LinearPartition、LinearSampling等一系列世界最快的RNA二级结构预测和采样算法 。 针对新冠疫情,在2020年初陆续开发出了mRNA序列设计算法LinearDesign和RNA同源序列分析算法LinearTurboFold 。 这一系列算法不仅创新性强,技术指标领先,还具有很强的落地价值 。
据悉,LinearDesign算法的有效性已经在体外实验和动物实验中得到初步验证 。 在稳定性、蛋白质表达水平以及免疫原性这几个衡量疫苗最重要指标上,LinearDesign设计的新冠疫苗序列均大幅优于基准序列,并成功与法国制药企业赛诺菲签署商业合作协议,充分验证了LinearDesign算法的实际有效性及应用于生物制药领域的巨大商业价值 。
百度硅谷研究院研究员张贺重点介绍了RNA同源序列分析算法LinearTurboFold,该算法大大加速同源序列结构分析算法,扩展该算法的适用范围,第一次使得新冠同源结构分析成为可能 。 张贺表示:“未来,百度美国深度学习研究院将继续开发出更多的创新性和颠覆性的生物计算算法,并推动算法的商业化落地 。 ”
让AI不再是“黑盒”让GPU性能发挥更好
深度学习技术虽然大大提升了模型对数据识别、分类的效果,但深度学习的“黑盒”特性使其缺乏足够的可解释性,让其在一些涉及人身安全、财产安全的敏感领域应用非常有限 。
据百度研究院大数据实验室研究员李徐泓介绍,百度研究院开发了基于飞桨的可解释性算法开源库InterpretDL,目前已集成了十余种主流的可解释性算法,并遵循“Plug-and-Play”的设计理念,用户无需修改模型;所有算法使用统一API接口,方便用户快速上手;对每种算法提供单独的教程与解析,帮助用户理解、选择合适的算法,在多个领域都有明显的性能提升 。

文章图片

百度资深系统工程师武正辉分享了AI计算机的发展新趋势 。 武正辉表示,随着云的兴起和大数据和AI的应用,每年产生的数据量大约有30%的增长,由此便推动了整个AI硬件的设计向着更高性能的方向发展,但随之也带来了功耗增长和散热的难题 。 百度X-man系列在设计之初便采用了硬件解耦的解决方案,考虑了散热、供电相平衡的问题,即将推出的X-man4.0和X-man5.0两款新产品,能够满足各种场景下的应用,适配更多计算平台,更好地发挥X-man的算力和性能优势 。
从量子平台到生物计算,从可解释人工智能到AI计算机,无论是前瞻研究还是应用探索,百度都在不断攀登新的高峰 。 当下,新技术正爆发出引领新一轮变革的强大推动力,百度也将持续追寻前沿科技的星辰大海 。