Un team guidato da Anima Anandkumar ha creato NucleusDiff, un modello di machine learning che incorpora principi fisici semplici per evitare configurazioni molecolari non plausibili. Il modello migliora la precisione nella progettazione di farmaci e riduce errori come collisioni atomiche, rendendo l’AI più affidabile e applicabile a molecole non presenti nei dati di addestramento.
Previous article![]( "OpenAI rafforza le regole dopo l’allarme di Bryan Cranston")
Next article![]( "Singapore punta sull’AI e tecnologie frontier")
