ကြီးမားသောကိရိယာများသည် 2022 ခုနှစ်တွင် ကြီးမားသော ဓာတုဗေဒအဆင့်ကို မြှင့်တင်ခဲ့သည်။
ဧရာမဒေတာအစုံများနှင့် ကြီးမားသောတူရိယာများသည် သိပ္ပံပညာရှင်များအား ယခုနှစ်တွင် ဓာတုဗေဒဆိုင်ရာ ကြီးမားသောအတိုင်းအတာဖြင့် ကိုင်တွယ်ဖြေရှင်းရန် ကူညီပေးခဲ့သည်
အားဖြင့်Ariana Remmel
ခရက်ဒစ်- Oak Ridge Leadership Computing Facility ORNL
Oak Ridge အမျိုးသားဓာတ်ခွဲခန်းရှိ Frontier စူပါကွန်ပျူတာသည် ဓာတုဗေဒပညာရှင်များအား ယခင်ကထက် ပိုမိုရှုပ်ထွေးသော မော်လီကျူးပုံသဏ္ဍာန်များကို လုပ်ဆောင်ရာတွင် ကူညီပေးမည့် မျိုးဆက်သစ်စက်များထဲမှ ပထမဆုံးဖြစ်သည်။
သိပ္ပံပညာရှင်များသည် 2022 ခုနှစ်တွင် အကြီးစားကိရိယာများဖြင့် ကြီးမားသောရှာဖွေတွေ့ရှိမှုများ ပြုလုပ်ခဲ့သည်။ ဓာတုဗေဒဆိုင်ရာ အရည်အချင်းပြည့်မီသော ဉာဏ်ရည်တု၏ မကြာသေးမီက ခေတ်ရေစီးကြောင်းကို တည်ဆောက်ကာ သုတေသီများသည် ပရိုတင်းဖွဲ့စည်းပုံများကို ခန့်မှန်းရန် ကွန်ပျူတာများကို လေ့ကျင့်သင်ကြားပေးခဲ့သည်။ဇူလိုင်လတွင်၊ Alphabet ပိုင်ကုမ္ပဏီ DeepMind သည် ဒေတာဘေ့စ်ဖွဲ့စည်းပုံများပါ၀င်သည်။အားလုံးနီးပါးလူသိများပရိုတိန်းစက်သင်ယူမှုဆိုင်ရာ အယ်လဂိုရီသမ် AlphaFold မှ ခန့်မှန်းထားသည့်အတိုင်း—မျိုးစိတ်သန်းပေါင်း 100 ကျော်မှ တစ်ဦးချင်းစီ ပရိုတင်း သန်း 200 ပေါင်း။ထို့နောက် နိုဝင်ဘာလတွင် နည်းပညာကုမ္ပဏီ Meta သည် AI algorithm ဟုခေါ်သော ပရိုတင်းခန့်မှန်းနည်းပညာတွင် ၎င်း၏တိုးတက်မှုကို သရုပ်ပြခဲ့သည်။ESMFold.သက်တူရွယ်တူ-မသုံးသပ်ရသေးသည့် ကြိုတင်ပုံနှိပ်လေ့လာမှုတစ်ခုတွင် Meta သုတေသီများက ၎င်းတို့၏ အယ်လဂိုရီသမ်အသစ်သည် AlphaFold ကဲ့သို့ မတိကျသော်လည်း ပိုမိုမြန်ဆန်ကြောင်း အစီရင်ခံခဲ့သည်။အရှိန်တိုးလာခြင်းကြောင့် သုတေသီများသည် ၂ ပတ်အတွင်း ဖွဲ့စည်းပုံ သန်း ၆၀၀ ခန့်ကို ခန့်မှန်းနိုင်သည်ဟု ဆိုလိုသည် (bioRxiv 2022၊ DOI-10.1101/2022.07.20.500902).
ဝါရှင်တန်တက္ကသိုလ် (UW) ဆေးကျောင်းမှ ဇီဝဗေဒပညာရှင်များက ကူညီဆောင်ရွက်ပေးလျက်ရှိသည်။ကွန်ပျူတာများ၏ ဇီဝဓာတုစွမ်းရည်များကို သဘာဝပုံစံပုံစံထက် ချဲ့ထွင်ပါ။စိတ်ကြိုက် ပရိုတင်းများကို အစမှ အဆုံးထိ အဆိုပြုရန် စက်များဖြင့် သင်ကြားပေးခြင်း။UW ၏ David Baker နှင့် အဖွဲ့သည် ရိုးရှင်းသော အချက်ပြမှုများကို အထပ်ထပ်အခါခါ မြှင့်တင်ခြင်းဖြင့် သို့မဟုတ် ရှိပြီးသား ဖွဲ့စည်းပုံ၏ ရွေးချယ်ထားသော အစိတ်အပိုင်းများကြား ကွက်လပ်များကို ဖြည့်ပေးခြင်းဖြင့် ပရိုတင်းများကို ဒီဇိုင်းထုတ်နိုင်သည့် AI ကိရိယာအသစ်ကို ဖန်တီးခဲ့သည် (သိပ္ပံ2022၊ DOI-10.1126/science.abn2100)အဖွဲ့သည် ProteinMPNN ပရိုဂရမ်အသစ်ကို 3D ပုံသဏ္ဍာန်များနှင့် ပရိုတိန်းအခွဲများစွာ၏ စုစည်းမှုမှအစပြုကာ ထိရောက်စွာပြုလုပ်ရန် လိုအပ်သော အမိုင်နိုအက်ဆစ်အစီအစဉ်များကို ဆုံးဖြတ်နိုင်သည် (သိပ္ပံ2022၊ DOI-10.1126/science.add2187;10.1126/science.add1964)ဤဇီဝဓာတုဗေဒဆိုင်ရာ ကျွမ်းကျင်သော အယ်လဂိုရီသမ်များသည် ဇီဝပစ္စည်းများနှင့် ဆေးဝါးအသစ်များတွင် အသုံးပြုနိုင်သည့် ပရိုတိန်းအတုများအတွက် အသေးစိတ်ပုံစံများကို တည်ဆောက်ရာတွင် သိပ္ပံပညာရှင်များကို ကူညီပေးနိုင်ပါသည်။
ခရက်ဒစ်- Ian C. Haydon/UW Institute for Protein Design
Machine learning algorithm များသည် သိပ္ပံပညာရှင်များအား တိကျသောလုပ်ဆောင်ချက်များဖြင့် ပရိုတိန်းအသစ်များကို အိပ်မက်မက်စေရန် ကူညီပေးပါသည်။
ကွန်ပြူတာ ဓာတုဗေဒပညာရှင်များ၏ ရည်မှန်းချက်များ ကြီးထွားလာသည်နှင့်အမျှ မော်လီကျူးကမ္ဘာကို ပုံဖော်ရန် အသုံးပြုသည့် ကွန်ပျူတာများသည်လည်း အလားတူပင်။Oak Ridge အမျိုးသားဓာတ်ခွဲခန်း (ORNL) တွင် ဓာတုဗေဒပညာရှင်များက တည်ဆောက်ထားသမျှ စွမ်းအားအကြီးဆုံး စူပါကွန်ပြူတာများထဲမှ တစ်ခုကို ဦးစွာ အရိပ်အမြွက် မြင်တွေ့ခဲ့ရသည်။ORNL ၏ exascale စူပါကွန်ပျူတာ၊ Frontier၊ သည် တစ်စက္ကန့်လျှင် ရေပေါ်လည်ပတ်မှု 1 quintillion ကျော်ကို တွက်ချက်သည့် ပထမဆုံးစက်များဖြစ်ပြီး ဂဏန်းသင်္ချာယူနစ်တစ်ခုဖြစ်သည်။အဆိုပါ ကွန်ပြူတာမြန်နှုန်းသည် ဂျပန်နိုင်ငံမှ စူပါကွန်ပြူတာ Fugaku ထက် သုံးဆခန့် မြန်သည်။လာမည့်နှစ်တွင်၊ နောက်ထပ်အမျိုးသားဓာတ်ခွဲခန်းနှစ်ခုသည် US တွင် exascale ကွန်ပျူတာများကိုပြသရန်စီစဉ်နေသည်။ဤခေတ်မီစက်များ၏ ခေတ်မီသော ကွန်ပြူတာ၏ အရွယ်အစားထက်လွန်ခြင်းသည် ဓာတုဗေဒပညာရှင်များကို ပိုမိုကြီးမားသော မော်လီကျူးစနစ်များကို အတုယူနိုင်ပြီး အချိန်ပိုရှည်စေသည်။ထိုမော်ဒယ်များမှ စုဆောင်းရရှိသော ဒေတာသည် သုတေသီများအား ဓာတ်ဘူးအတွင်း တုံ့ပြန်မှုများနှင့် ၎င်းတို့ကို စံနမူနာပြုရန် အသုံးပြုသည့် virtual simulations များကြား ကွာဟချက်ကို ကျဉ်းမြောင်းစေခြင်းဖြင့် ဓာတုဗေဒတွင် ဖြစ်နိုင်ချေရှိသော နယ်နိမိတ်များကို တွန်းပို့ရန် ကူညီပေးနိုင်ပါသည်။"ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ သီအိုရီ နည်းစနစ်များ သို့မဟုတ် မော်ဒယ်များမှ လွဲမှားနေသော မေးခွန်းများကို အမှန်တကယ် စတင်မေးမြန်းနိုင်သည့် အနေအထားတွင် ရှိနေပါပြီ" ဟု Iowa မှ တွက်ချက်မှုဆိုင်ရာ ဓာတုဗေဒပညာရှင် Theresa Windus ပြည်နယ်တက္ကသိုလ်နှင့် Exascale Computing ပရောဂျက်နှင့်အတူ ပရောဂျက်ကို ဦးဆောင်ခဲ့ကြောင်း စက်တင်ဘာလတွင် C&EN သို့ ပြောကြားခဲ့သည်။exascale ကွန်ပြူတာများပေါ်တွင် လုပ်ဆောင်သည့် သရုပ်ဖော်မှုများသည် ဓာတုဗေဒပညာရှင်များအား ဆန်းသစ်သော လောင်စာအရင်းအမြစ်များ တီထွင်ရန်နှင့် ရာသီဥတုဒဏ်ခံနိုင်သော ပစ္စည်းအသစ်များကို ဒီဇိုင်းဆွဲရန် ကူညီပေးနိုင်ပါသည်။
နိုင်ငံတစ်ဝှမ်း၊ ကယ်လီဖိုးနီးယားပြည်နယ်၊ Menlo Park တွင် SLAC National Accelerator ဓာတ်ခွဲခန်းကို တပ်ဆင်နေပါသည်။Linac Coherent Light Source (LCLS) သို့ supercool အဆင့်မြှင့်တင်မှုများဓာတုဗေဒပညာရှင်များသည် အလွန်လျင်မြန်သော အက်တမ်များနှင့် အီလက်ထရွန်များ၏ ကမ္ဘာသို့ ပိုမိုနက်ရှိုင်းစွာ လေ့လာနိုင်စေပါသည်။အဆိုပါစက်ရုံကို 3 ကီလိုမီတာအကွာအဝေးရှိ မျဉ်းသားအရှိန်မြှင့်စက်ပေါ်တွင် တည်ဆောက်ထားပြီး အစိတ်အပိုင်းများကို 2 K မှ အရည် helium ဖြင့် အအေးခံကာ X-ray free-electron laser (XFEL) ဟုခေါ်သော အလွန်တောက်ပပြီး အလွန်မြန်ဆန်သော အလင်းအရင်းအမြစ်တစ်မျိုးကို ထုတ်လုပ်ရန် တည်ဆောက်ထားသည်။ဓာတုဗေဒပညာရှင်များသည် ၎င်းတို့အား ဓာတုနှောင်ကြိုးများဖွဲ့စည်းခြင်းနှင့် ဓါတ်ပြုခြင်းဆိုင်ရာအင်ဇိုင်းများ အလုပ်လုပ်သွားခြင်းကဲ့သို့သော များပြားလှသော လုပ်ငန်းစဉ်များကို ကြည့်ရှုနိုင်စေသည့် မော်လီကျူးရုပ်ရှင်များဖန်တီးရန် ကိရိယာများ၏ အစွမ်းထက်သောပဲမျိုးစုံကို အသုံးပြုထားသည်။"femtosecond flash မှာ၊ အက်တမ်တွေ ရပ်နေတာ၊ အက်တမ်နှောင်ကြိုးတွေ ဖောက်ထွင်းနေတာကို မင်းမြင်နိုင်တယ်" ဟု Stanford University နှင့် SLAC မှ ပူးတွဲချိန်းဆိုထားသည့် ပစ္စည်းများဆိုင်ရာ သိပ္ပံပညာရှင် Leora Dresselhaus-Marais က ဇူလိုင်လတွင် C&EN သို့ ပြောကြားခဲ့သည်။LCLS သို့ အဆင့်မြှင့်တင်မှုများသည် သိပ္ပံပညာရှင်များအား လာမည့်နှစ်အစောပိုင်းတွင် စွမ်းရည်အသစ်များ ရရှိလာသောအခါတွင် X-rays ၏ စွမ်းအင်ကို ပိုမိုကောင်းမွန်စွာ ချိန်ညှိနိုင်စေမည်ဖြစ်သည်။
Credit: SLAC National Accelerator ဓာတ်ခွဲခန်း
SLAC National Accelerator Laboratory ၏ X-ray လေဆာသည် ကယ်လီဖိုးနီးယား၊ Menlo Park ရှိ 3 ကီလိုမီတာ အကွာအဝေးရှိ အရှိန်မြှင့်စက်ပေါ်တွင် တည်ဆောက်ထားသည်။
ယခုနှစ်တွင် သိပ္ပံပညာရှင်များသည် အချိန်အတော်ကြာ စောင့်မျှော်နေခဲ့ရသော James Webb အာကာသကြည့်မှန်ပြောင်း (JWST) သည် ထုတ်ဖော်ပြသရန်အတွက် မည်မျှ အစွမ်းထက်သည်ကို တွေ့မြင်ခဲ့ရပါသည်။ကျွန်ုပ်တို့၏ စကြာဝဠာ၏ ဓာတုဗေဒဆိုင်ရာ ရှုပ်ထွေးမှု.NASA နှင့် ၎င်း၏လုပ်ဖော်ကိုင်ဖက်များ—ဥရောပအာကာသအေဂျင်စီ၊ ကနေဒါအာကာသအေဂျင်စီနှင့် အာကာသကြည့်မှန်ပြောင်းသိပ္ပံဌာနတို့သည် ရှေးခေတ်ဂလက်ဆီများ၏လက်ဗွေရာများအထိ ကြယ်စင်နက်ဗျူလာပုံတူများအထိ ရုပ်ပုံများစွာကို ထုတ်ပြန်ထားပြီးဖြစ်သည်။ဒေါ်လာ ၁၀ ဘီလီယံတန် အနီအောက်ရောင်ခြည် တယ်လီစကုပ်ကို ကျွန်ုပ်တို့ စကြဝဠာ၏ နက်နဲသော သမိုင်းကြောင်းကို ရှာဖွေရန် ဒီဇိုင်းထုတ်ထားသော သိပ္ပံနည်းကျ တူရိယာအစုံဖြင့် အလှဆင်ထားသည်။ဖန်တီးမှုတွင် ဆယ်စုနှစ်များစွာ၊ JWST သည် အောက်ဆီဂျင်၊ နီယွန်နှင့် အခြားအက်တမ်များ၏ spectroscopic လက္ခဏာများ အစုံအလင်ဖြင့် လွန်ခဲ့သောနှစ်ပေါင်း 4.6 ဘီလီယံခန့်က လှုပ်ခတ်နေသော ဂလက်ဆီပုံသဏ္ဍာန်ကို ဖမ်းယူခြင်းဖြင့် ၎င်း၏ အင်ဂျင်နီယာများ၏ မျှော်မှန်းချက်များကို ကျော်လွန်ပြီးဖြစ်သည်။သိပ္ပံပညာရှင်များသည် ပြင်ပဂြိုလ်တစ်ခုပေါ်ရှိ အငွေ့ပျံသောတိမ်များနှင့် အခိုးအငွေ့များ၏ လက္ခဏာများကို တိုင်းတာပြီး နက္ခတ်ဗေဒပညာရှင်များသည် ကမ္ဘာအပြင်ဘက်တွင် နေထိုင်နိုင်သော ကမ္ဘာများကို ရှာဖွေရာတွင် အထောက်အကူဖြစ်စေမည့် အချက်အလက်များကို ပံ့ပိုးပေးပါသည်။
စာတင်ချိန်- Feb-07-2023