直播预告 | AI加速药物和材料发现

季姮  美国伊利诺伊大学厄巴纳-香槟分校（UIUC） 教授

个人介绍：季姮是伊利诺伊大学厄巴纳-香槟分校西贝尔计算机科学学院终身正教授，也是电气与计算机工程系和协调科学实验室的附属教授。她是亚马逊学者。她是亚马逊伊利诺伊州互动对话体验人工智能中心(AICE)的创始主任。她拥有清华大学计算语言学学士和硕士学位，以及纽约大学计算机科学硕士和博士学位。她的研究兴趣集中在自然语言处理，特别是多媒体多语言信息提取、知识增强的大型语言模型和视觉语言模型。2023年和2024年，她被世界顶尖科学家论坛选为“青年科学家”。2016年和2017年，她被世界经济论坛选为“青年科学家”和计算未来全球未来理事会成员。她被Project Voice评为对话式人工智能女性领导者(2023届)的一员。她获得的其他奖项包括NAACL2024的两项杰出论文奖、2013年IEEE智能系统颁发的“人工智能值得关注的10项”奖、2009年NSF CAREER奖、PACLIC2012最佳论文提名、“ICDM2013最佳”论文奖、“SDM2013最佳”论文奖，ACL2018最佳演示论文提名、ACL2020最佳演示论文奖、NAACL2021最佳演示论文奖项、2009年和2014年的谷歌研究奖、2012年和2014年度的IBMWatson教员奖以及2014-2018年度的博世研究奖。

演讲题目：AI加速药物和材料发现

摘要：世界上大约有1,660 亿个小分子，其中 9.7 亿个被视为潜在药物的小分子。与其类似有一个庞大的分子库可以作为新材料的发现。这种稀缺凸显了对创新方法的迫切需要，呼吁 人工智能和自然语言处理领域为药物学和材料科学做贡献。然而，挑战是多方面的。现有的大型语言模型 (LLM) 本身是不够的，因为它们容易自信地生成事实性错误的信息。此外，传统知识库并不能充分解决这个问题；流行的人造知识库中也没有记录大多数分子的属性和知识。这种差距之所以持续存在，是因为化学语言与自然语言存在显著差异，需要大语言模型结合专业领域知识、多模式信息集成和长上下文的理解。以药物发现、个性化药物协同作用和材料发现为案例研究，我将展示我们应对这些挑战的方法，并将人工智能体转变为药物化学家或材料科学家。我将分享在动物测试中针对药物变体的初步结果，以及AI算法提出的新型高效有机光伏器件材料变体。此外，我倡导一种向‘慢科学’的范式转变，强调从分子合成和动物测试中集成反馈循环。这种新范式旨在在科学背景下评估AI技术，超越当前计算机科学社区中普遍存在的追求精准/召回分数的做法。

---

OpenKG

OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。

点击阅读原文，进入 OpenKG 网站。