Divisi Fundamental AI Research (Fair) Meta pada 14 Mei meluncurkan koleksi signifikan alat kecerdasan buatan open-source, termasuk model, tolok ukur, dan dataset, yang dirancang untuk secara dramatis mempercepat penemuan ilmiah. The initiative, aimed at advancing fields like molecular property prediction, language processing, and neuroscience, is a key part of Meta’s pursuit of advanced machine intelligence (AMI) – AI systems with highly developed cognitive kemampuan. Alat-alat baru ini mewakili langkah yang signifikan oleh meta untuk mempercepat penemuan ilmiah dalam kimia dan material.
Rilis unggulan, molekul terbuka 2025 (OMOL25) dan model universal meta untuk atom (UMA), dikembangkan dengan kolaborator termasuk Laboratorium Nasional Lawrence Departemen Energi Berkeley (Berkeley AS sebagai Departemen Energi Berkeley (Berkeley as Energy AS Energy href=”https://newscenter.lbl.gov/2025/05/14/computational-chemistry-unlocked-a-record-breaking-dataset-to-t-train-ai-models-has-leunched/”target=”_ blank”> Detail oleh Berkeley Laborines untuk revolusi, janji untuk revolusionise for new-scale for new-scale, janji untuk revolusi. Teknologi.
Perbatasan baru dalam ilmu komputasi
Dataset OMOL25, yang mengandung lebih dari 100 juta snapshot molekuler 3D, dijelaskan oleh meta sebagai sumber daya kimia kuantum elektrol terbesar dan beragam, dan kompleks logam, dan kompleks logam,. Penciptaannya, memanfaatkan Paket program orca , menuntut enam miliar jam inti yang sangat besar, menurut Berkeley Lab. This dataset allows for simulations of atomic systems up to ten times larger than previously possible.
Samuel Blau, a Berkeley Lab chemist, believes it “is going to revolutionize how people do Simulasi atomistik untuk kimia. Model untuk prediksi perilaku molekuler yang lebih akurat. Access Tersedia melalui FACE HUKUM dan Platform lainnya, memilih pendekatan sains terbuka. Target=”_ Blank”> Meta juga memperkenalkan sampel adjoint, Teknik baru untuk melatih model AI generatif tanpa data yang sudah ada sebelumnya, ditampilkan oleh kemampuannya untuk menghasilkan molekul yang beragam dengan target empo-up. AI Blog Q&A Lebih lanjut mengklarifikasi bahwa pengambilan sampel adjoint secara khusus ditujukan untuk desain molekuler de novo.
Selain itu, skala besar Rumah Sakit Foundation Rothschild , memetakan bagaimana representasi bahasa muncul di otak manusia yang sedang berkembang, yang menampilkan disionel yang lebih baik dengan Meta Llama 3.1. Garis waktu yang khas dalam penemuan eksperimental tradisional. href=”https://arxiv.org/abs/2505.08762″target=”_ blank”> Paper Omol25 , memanfaatkan teori fungsional kepadatan (DFT) untuk memprediksi sifat molekuler, khususnya dalam skenario kompleks yang melibatkan pembentukan obligasi dan pecah. Menggarisbawahi perlunya model yang dapat diandalkan, menyatakan, “Kepercayaan sangat penting di sini karena para ilmuwan perlu mengandalkan model-model ini untuk menghasilkan hasil yang sehat secara fisik yang diterjemahkan dan dapat digunakan untuk penelitian ilmiah.”
ai dalam sains, kolaborasi, dan tantangan di masa depan
Alat baru dari Meta yang ada di masa depan. Misalnya, Google Deepmind’s Alphafold 3, sekarang open-source, memungkinkan penelitian akademik ke dalam interaksi molekuler yang kompleks untuk penggunaan non-komersial. Bioemu-1, yang memodelkan gerakan dinamis protein.
Namun, peningkatan kekuatan AI dalam domain ilmiah membawa tantangan yang melekat. Tingkat di bidang-bidang seperti diagnosis medis, kesenjangan yang signifikan dan masalah transparansi data tetap ada. Track Model Performance. janji untuk membuka batas perbatasan ilmiah baru dan mempercepat pengembangan solusi untuk beberapa masalah paling mendesak di dunia.