Talk | UCSB博士生宋珍巧：基于人工智能的功能性蛋白质设计

本期为TechBeat人工智能社区第549期线上Talk。

北京时间11月22日(周三)20:00，UC Santa Barbara博士生—宋珍巧的Talk已准时在TechBeat人工智能社区开播！

她与大家分享的主题是: “基于人工智能的功能性蛋白质设计”，介绍了如何利用机器学习算法快速设计新颖的功能性蛋白质上的一系列研究成果。

Talk·信息

▼

主题：基于人工智能的功能性蛋白质设计

嘉宾：UC Santa Barbara博士生 宋珍巧

时间：北京时间 11月22日(周三)20:00

地点：TechBeat人工智能社区

点击下方链接，即可观看视频！

TechBeatTechBeat是荟聚全球华人AI精英的成长社区，每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其成长。https://www.techbeat.net/talk-info?id=827

Talk·介绍

▼

新颖的功能蛋白设计对于人类生活起到重要作用，包括医疗行业，农业，生态业等。传统蛋白质设计方法往往耗时长、代价大。目前深度生成模型处于快速发展阶段，利用机器学习算法快速设计有功能且新颖多样的蛋白质是非常有意义的，并且可以大大减少代价消耗。这个talk即关注如何利用机器学习算法快速设计新颖的功能性蛋白质。

Talk大纲

1、基于机器学习的功能性蛋白质序列设计

2、基于深度学习的功能性蛋白质序列和结构共设计

Talk·预习资料

▼

论文链接：https://arxiv.org/pdf/2305.00386.pdf

论文链接：https://arxiv.org/pdf/2310.04343.pdf

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

宋珍巧

UC Santa Barbara 博士生

珍巧目前是UCSB计算机系博二的学生，导师是卡耐基梅隆大学LTI的李磊教授。博士期间的主要研究方向是基于机器学习的蛋白质生成模型的构建。此前，于复旦大学取得硕士学位，隶属于复旦大学自然语言处理组，主要研究方向为自然语言处理。硕士毕业后，在字节跳动AI Lab工作两年，主要研究方向是高效生成模型的研究，包括多语言生成模型和非自回归模型的研究。在此期间，她的研究工作被多个顶会接受，且研发的模型在字节跳动得到上线使用并产生了可观的收入。

以第一作者的身份在多个顶会发表过多篇论文，包括ICLR, ICML, ACL, WSDM，并以协作作者的身份发表多篇论文。担任多个顶会和期刊的审稿人，包括ICML, NeurIPS, ACL, EMNLP, IJCAI, TMLR等。

个人主页: 

TechBeat

---

关于TechBeat人工智能社区

▼

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区