「AI×科研」每日要闻｜7月30日

计算机证明数学定理大获成功

数学家们已经通过使用计算机程序 Lean 验证了数学前沿研究中的一个复杂定理证明的准确性，这表明现代数学可以在定理证明器中形式化。

相关报道：https://www.quantamagazine.org/lean-computer-program-confirms-peter-scholze-proof-20210728/

化合物分子的 3D 结构决定了材料的属性，从化学分子图预测所有原子的 3D 坐标几乎是每个计算化学工作流程的开始。维也纳大学的研究人员现在开发了一种新的机器学习模型 Graph To Structure (G2S)，可以直接从分子图预测结构。论文发表在《自然·通讯》杂志上。

论文链接：http://dx.doi.org/10.1038/s41467-021-24525-7

相关报道：https://phys.org/news/2021-07-chemical-graphs.html

AI 化学平台Syntelly的研究人员基于Transformer模型开发了Struct2IUPAC和IUPAC2Struct，可以在SMILES和IUPAC化学符号之间进行转换，实现化学有机分子的正确命名。论文发表在《科学报告》期刊上。

论文链接：http://dx.doi.org/10.1038/s41598-021-94082-y

项目地址：https://app.syntelly.com/smiles2iupac

相关报道：https://techxplore.com/news/2021-07-neural-network-properly-molecules.html

哥伦比亚大学和阿尔伯塔大学的一个联合研究小组系统地评估并优化了基于 RNN 的化学语言模型在低数据环境中的分子生成模型，为在稀疏化学空间中直接学习生成模型提供了良好的基础。论文发表在《自然·机器智能》杂志上。

论文链接：http://dx.doi.org/10.1038/s42256-021-00368-1

相关报道：https://techxplore.com/news/2021-07-machine-applications-assumed.amp

美国西北大学和麻省理工学院的研究人员利用自然语言处理技术联合开发了可以识别材料是金属还是绝缘体的开源工具，可以加速发现和研究电子设备材料的速度。论文发表在《材料化学》期刊上。

论文链接：https://doi.org/10.1021/acs.chemmater.1c00905

项目地址：https://mtd.mccormick.northwestern.edu/mit-classification-dataset/

相关报道：https://www.eurekalert.org/news-releases/923728

杜克大学的电气工程师设计了「神经伴随方法」，使用机器学习在超材料的大型设计空间中解决具有许多潜在解决方案的困难，可以帮助研究人员解决诸如找出最佳圆柱体尺寸以捕获电磁能等问题。论文发表在《光学快报》期刊上。

论文链接：http://dx.doi.org/10.1364/OE.419138

相关报道：https://phys.org/news/2021-07-machine-learning-method-optimal-solutions-extremely.html

每个癌症患者的肿瘤细胞都会积累许多突变，但并非所有突变都与癌症的发展有关。巴塞罗那生物医学研究所的研究人员开发了一种机器学习工具 BoostDM，可以评估给定类型肿瘤的基因中所有可能突变对癌症发展的潜在贡献。该工具已被集成到 IntOGen 平台，论文发表在《自然》杂志上。

论文链接：https://doi.org/10.1038/s41586-021-03771-1

项目地址：https://www.intogen.org/search

相关报道：https://www.eurekalert.org/news-releases/923491

理论每日要闻