XiaoMi-AI文件搜索系统
World File Search SystemAAMD
智能分辨率：将低温电子显微镜与人工智能驱动的多分辨率模拟相结合，以观察 SARS-CoV-2 复制-转录机制的运作
严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 复制转录复合物 (RTC) 是一种多结构域蛋白，负责在人体细胞内复制和转录病毒 mRNA。用药物化合物攻击 RTC 功能是治疗 COVID-19 的途径。传统工具，例如低温电子显微镜和全原子分子动力学 (AAMD)，无法提供足够高的分辨率或时间尺度来捕捉这种分子机器的重要动态。因此，我们开发了一种创新的工作流程来弥合这些分辨率之间的差距，使用中尺度波动有限元分析 (FFEA) 连续模拟和 AI 方法层次结构，不断学习和推断特征以保持 AAMD 和 FFEA 模拟之间的一致性。我们利用多站点分布式工作流管理器来协调 AI、FFEA 和 AAMD 作业，从而实现 HPC 中心间资源的最佳利用。我们的研究提供了前所未有的途径来研究 SARS-CoV-2 RTC 机制，同时为大规模支持 AI 的多分辨率模拟提供了通用能力。
为什么精神障碍不像软件漏洞
1. 简介 根据自主精神障碍论证（AAMD），精神障碍可以在没有大脑障碍的情况下发生，就像计算机中软件问题可以在没有硬件问题的情况下发生一样。本文认为这种论点是站不住脚的，应该被拒绝。AAMD 有两个主要的哲学目的。首先，它用于反驳反精神病学论点，即不是大脑障碍的精神障碍是不存在的（Papineau 1994 ；Kingma 2013；参见 Szasz 1960 ）。其次，它用于表明“所有精神障碍本身都是大脑障碍”的笼统理论站不住脚（Wakefield 2014 a；参见 Insel 等人 2010 ）。 1 据其支持者称，计算机类比的论点表明，在没有大脑功能障碍的情况下，可能会发生真正的、科学上可接受的精神障碍，而且这与物理主义以及我们最好的精神障碍哲学理论是相容的。
细化粗粒度分子拓扑
摘要 分子动力学 (MD) 模拟对于预测不同分子体系的物理和化学性质至关重要。虽然全原子 (AA) MD 提供了高精度，但其计算成本高昂，这促使了粗粒度 MD (CGMD) 的发展。CGMD 将分子结构简化为具有代表性的微珠，以降低成本，但会牺牲精度。像 Martini3 这样的 CGMD 方法，经过实验数据校准后，在各个分子类别中具有良好的泛化能力，但往往无法满足特定领域应用的精度要求。本研究引入了一种基于贝叶斯优化的方法来优化 Martini3 拓扑结构，使其能够适应特定应用，从而确保精度和效率。优化后的 CG 势能适用于任何聚合度，提供与 AA 模拟相当的精度，同时保持与 CGMD 相当的计算速度。通过弥合效率和精度之间的差距，该方法推动了多尺度分子模拟的发展，使各个科学技术领域能够以经济高效的方式发现分子。 1. 引言粗粒度分子动力学 (CGMD) 1,2 已成为材料开发的重要工具，为了解聚合物 3 、蛋白质 4 和膜 5 等复杂分子系统提供了关键信息。CGMD 的主要优势在于它能够在更大长度尺度和更长时间范围内探索分子现象，超越了传统全原子分子动力学 (AAMD) 6–8 模拟的能力，后者通常提供更高的分辨率，因此特别擅长捕捉详细的界面相互作用 9 。具体而言，CGMD 通过将原子团有效地表示为珠子 10–15 来实现这种加速，从而将模拟能力在时间上从皮秒扩展到微秒，在空间上从纳米扩展到微米。因此，粗粒度技术为传统 AAMD 无法获得的复杂分子现象提供了前所未有的洞察，从而能够研究聚合物自组装行为等复杂现象 16 。新兴的CGMD建模工具集依赖于两个关键组件来学习潜在的分子间关系：珠子映射方案和珠子间相互作用的参数化。这些组件的开发主要采用两种方法：自上而下10–12和自下而上13–