$Recursion_老虎社区_美港股上老虎 - 老虎社区

点赞
评论
收藏

不吃一只小虎
07-20

$Recursion Pharmaceuticals, Inc.(RXRX)$ 一种更好、更快的基于共同折叠的结合亲和力模型。

预测药物候选物与其靶标结合的紧密程度在药物发现中至关重要。这也需要海量的计算资源。最先进的模型每次预测可能需要20秒到一分钟，对于大规模早期项目的需求来说并不实用。

💠 今天，Recursion 的 @Valence_ai 发布了 Nesso-1：目前最快的开源基于共同折叠的结合亲和力模型。

每次预测仅需1秒，比我们之前与 Boltz-2 的合作快约20倍，同时在公共和内部基准测试中匹配或超越其准确性。通过利用 @NVIDIAHealth 的 cuEquivariance，我们进一步将训练和推理加速了额外2-3倍。我们期待与 @NVIDIA 继续合作改进 Nesso-1。权重和代码完全开源。

Nesso-1 的核心架构理念基于这样一个洞见：粗粒度共同折叠表示可以在以几分之一成本的情况下匹配全原子模型的亲和力预测准确性。Nesso-1 是这种方法的首个开源实现，没有任何专有依赖，完全基于公共数据训练，旨在可重现和可扩展。

我们已经在内部活跃的药物发现项目中使用 Nesso-1。快速、可靠的大规模亲和力预测是定义我们自主精准设计愿景的自主设计循环的基

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

点赞

举报

评论

推荐
最新

empty

暂无评论

热议股票

{"i18n":{"language":"zh_CN"},"data":{"magic":2,"id":587892529496328,"tweetId":"587892529496328","gmtCreate":1784559876110,"gmtModify":1784559880579,"author":{"id":3476620393409201,"idStr":"3476620393409201","authorId":3476620393409201,"authorIdStr":"3476620393409201","name":"不吃一只小虎","avatar":"https://static.tigerbbs.com/cbe1ffba4e5e1d0e5e847c24f9b86b60","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":6,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":35,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><a href=\"https://laohu8.com/S/RXRX\">$Recursion Pharmaceuticals, Inc.(RXRX)$&nbsp;</a> 一种更好、更快的基于共同折叠的结合亲和力模型。\n<p>预测药物候选物与其靶标结合的紧密程度在药物发现中至关重要。这也需要海量的计算资源。最先进的模型每次预测可能需要20秒到一分钟，对于大规模早期项目的需求来说并不实用。</p>\n<p>💠 今天，Recursion 的 @Valence_ai 发布了 Nesso-1：目前最快的开源基于共同折叠的结合亲和力模型。</p>\n<p>每次预测仅需1秒，比我们之前与 Boltz-2 的合作快约20倍，同时在公共和内部基准测试中匹配或超越其准确性。通过利用 @NVIDIAHealth 的 cuEquivariance，我们进一步将训练和推理加速了额外2-3倍。我们期待与 @NVIDIA 继续合作改进 Nesso-1。权重和代码完全开源。</p>\n<p>Nesso-1 的核心架构理念基于这样一个洞见：粗粒度共同折叠表示可以在以几分之一成本的情况下匹配全原子模型的亲和力预测准确性。Nesso-1 是这种方法的首个开源实现，没有任何专有依赖，完全基于公共数据训练，旨在可重现和可扩展。</p>\n<p>我们已经在内部活跃的药物发现项目中使用 Nesso-1。快速、可靠的大规模亲和力预测是定义我们自主精准设计愿景的自主设计循环的基</p></body></html>","htmlText":"<html><head></head><body><a href=\"https://laohu8.com/S/RXRX\">$Recursion Pharmaceuticals, Inc.(RXRX)$&nbsp;</a> 一种更好、更快的基于共同折叠的结合亲和力模型。\n<p>预测药物候选物与其靶标结合的紧密程度在药物发现中至关重要。这也需要海量的计算资源。最先进的模型每次预测可能需要20秒到一分钟，对于大规模早期项目的需求来说并不实用。</p>\n<p>💠 今天，Recursion 的 @Valence_ai 发布了 Nesso-1：目前最快的开源基于共同折叠的结合亲和力模型。</p>\n<p>每次预测仅需1秒，比我们之前与 Boltz-2 的合作快约20倍，同时在公共和内部基准测试中匹配或超越其准确性。通过利用 @NVIDIAHealth 的 cuEquivariance，我们进一步将训练和推理加速了额外2-3倍。我们期待与 @NVIDIA 继续合作改进 Nesso-1。权重和代码完全开源。</p>\n<p>Nesso-1 的核心架构理念基于这样一个洞见：粗粒度共同折叠表示可以在以几分之一成本的情况下匹配全原子模型的亲和力预测准确性。Nesso-1 是这种方法的首个开源实现，没有任何专有依赖，完全基于公共数据训练，旨在可重现和可扩展。</p>\n<p>我们已经在内部活跃的药物发现项目中使用 Nesso-1。快速、可靠的大规模亲和力预测是定义我们自主精准设计愿景的自主设计循环的基</p></body></html>","text":"$Recursion Pharmaceuticals, Inc.(RXRX)$ 一种更好、更快的基于共同折叠的结合亲和力模型。 预测药物候选物与其靶标结合的紧密程度在药物发现中至关重要。这也需要海量的计算资源。最先进的模型每次预测可能需要20秒到一分钟，对于大规模早期项目的需求来说并不实用。 💠 今天，Recursion 的 @Valence_ai 发布了 Nesso-1：目前最快的开源基于共同折叠的结合亲和力模型。 每次预测仅需1秒，比我们之前与 Boltz-2 的合作快约20倍，同时在公共和内部基准测试中匹配或超越其准确性。通过利用 @NVIDIAHealth 的 cuEquivariance，我们进一步将训练和推理加速了额外2-3倍。我们期待与 @NVIDIA 继续合作改进 Nesso-1。权重和代码完全开源。 Nesso-1 的核心架构理念基于这样一个洞见：粗粒度共同折叠表示可以在以几分之一成本的情况下匹配全原子模型的亲和力预测准确性。Nesso-1 是这种方法的首个开源实现，没有任何专有依赖，完全基于公共数据训练，旨在可重现和可扩展。 我们已经在内部活跃的药物发现项目中使用 Nesso-1。快速、可靠的大规模亲和力预测是定义我们自主精准设计愿景的自主设计循环的基","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/587892529496328","repostId":0,"isVote":1,"tweetType":1,"viewCount":944,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":["RXRX"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":875,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"hasMoreComment":false,"orderType":2}