用奖励引导的潜空间搜索设计高亲和力蛋白结合剂
KevinKaichuang · x · 2026-09-22
作者分享了一种生成式蛋白质设计思路：在生成模型的潜空间中使用奖励引导搜索（reward-guided search），设计对蛋白质和碳水化合物都具有高亲和力的蛋白结合剂。该方法把搜索过程放在潜空间而非离散序列空间，有望提升结合剂设计的效率与成功率。
所属事件:在生成模型潜空间做奖励引导搜索设计蛋白结合剂(2 条相关)→
「研究」频道最新
- JevBench 模型决策指数上线 HF,作者称还缺原生图像支持 — openSourcerer9000 · 2026-09-23
- MIT 教授观察：AI 集群自发涌现无标度网络拓扑 — ProfBuehlerMIT · 2026-09-23
- Flex-π 发布：6B 世界-动作模型双臂操作成绩超 π0.5 — chris_j_paxton · 2026-09-23
- 比性能优化更难的是去优化:JIT 的隐形安全网拆解 — lauriewired · 2026-09-23
- 笔记本上跑「mini-AGI」:循环 Transformer+进化生长专家,权重数周后开源 — returnity · 2026-09-23
- DFT 生成数据多达 58% 物理不自洽，物理仿真数据集隐忧 — josephdviviano · 2026-09-23