แล็บแนวหน้า

Pushmeet Kohli

Google DeepMind วิทยาศาสตร์ AI

เหตุผลที่ติดตาม: ตระกูล AlphaFold

การย้ายงาน

ยังไม่มีการย้ายงานที่เผยแพร่

งานวิจัย

งานวิจัย2026-10-20 · Zenodo (CERN European Organization for Nuclear Research)

เปิดเผยข้อมูลโครงสร้างที่ใช้ในงานวิจัยการออกแบบเอนไซม์ด้วยปัญญาประดิษฐ์

Supplementary Data 2. Designed and predicted structures of all designs

เดมิส แฮสซาบิส · Pushmeet Kohli · Rob Fergus และอีก 35 คน

ทำอะไร: คณะนักวิจัยได้เปิดเผยไฟล์ข้อมูลโครงสร้างทั้งหมดที่กล่าวถึงในงานวิจัยการออกแบบเอนไซม์ด้วยปัญญาประดิษฐ์สำหรับปฏิกิริยาเคมีใหม่
ผลลัพธ์หลัก: ไฟล์ซิปดังกล่าวประกอบด้วยข้อมูลโครงสร้างที่สร้างโดยโมเดลปัญญาประดิษฐ์ โครงสร้างที่ออกแบบใหม่ และข้อมูลโครงสร้างที่คาดการณ์เพิ่มเติม
ความสำคัญ: ข้อมูลที่เปิดเผยนี้ช่วยให้นักวิจัยที่เกี่ยวข้องสามารถตรวจสอบผลลัพธ์การออกแบบเอนไซม์ด้วยปัญญาประดิษฐ์และดำเนินการวิจัยเพิ่มเติมได้สรุปโดย AI

AI เพื่อวิทยาศาสตร์

สรุปฉบับเต็ม อ่านต้นฉบับ ↗ PDF ↗

งานวิจัย2026-10-08 · Science

พิสูจน์ปัญหาทางคณิตศาสตร์ที่ยังไม่คลี่คลายโดยอัตโนมัติด้วยปัญญาประดิษฐ์

Advancing mathematics research with AI-driven formal proof search

Pushmeet Kohli และอีก 20 คน

ทำอะไร: ได้พัฒนาเอเจนต์ปัญญาประดิษฐ์ที่ค้นหาการพิสูจน์ทางคณิตศาสตร์ในสเกลใหญ่ โดยใช้ภาษาที่คอมไพเลอร์ตรวจสอบขั้นตอนการพิสูจน์ได้
ผลลัพธ์หลัก: เอเจนต์ปัญญาประดิษฐ์นี้ประสบความสำเร็จในการแก้ปัญหาทางคณิตศาสตร์และข้อสมมติที่ยังไม่คลี่คลายหลายข้อโดยอัตโนมัติ
ความสำคัญ: แสดงให้เห็นถึงความเป็นไปได้ที่ปัญญาประดิษฐ์จะนำไปสู่การค้นพบทางคณิตศาสตร์โดยอิสระสรุปโดย AI

เอเจนต์และการเขียนโค้ด AI เพื่อวิทยาศาสตร์

สรุปฉบับเต็ม อ่านต้นฉบับ ↗ PDF ↗

งานวิจัย2026-10-02 · arXiv (Cornell University)

การออกแบบหน่วยความจำแบบโมดูลาร์สำหรับการแก้ไขข้อผิดพลาดของคอมพิวเตอร์ควอนตัมช่วยลดการใช้ทรัพยากรลงอย่างมาก

Low-Overhead Quantum Error Correction with Boundary-Connected Planar Modules

Pushmeet Kohli และอีก 13 คน

ทำอะไร: คณะนักวิจัยได้พิสูจน์ผ่านการจำลองว่าการแบ่งหน่วยประมวลผลควอนตัมออกเป็นโมดูลระนาบและใช้การเชื่อมต่อระหว่างโมดูลสามารถลดจำนวนควิบิตกายภาพที่จำเป็นสำหรับการแก้ไขข้อผิดพลาดควอนตัมลงได้มากกว่า 10 เท่า
ผลลัพธ์หลัก: การออกแบบรหัสแบบโมดูลาร์ใหม่แสดงให้เห็นว่าสามารถลดการใช้ควิบิตกายภาพลงได้มากกว่า 10 เท่า (และมากกว่า 30 เท่าในระบบขนาดใหญ่) เมื่อเทียบกับรหัสพื้นผิว
ความสำคัญ: งานวิจัยนี้แสดงให้เห็นความเป็นไปได้ของอุปกรณ์จัดเก็บข้อมูลความหนาแน่นสูงที่สามารถรักษาข้อได้เปรียบด้านการผลิตของโมดูลระนาบในขณะที่ยังคงข้อดีของรหัสที่มีประสิทธิภาพสูงไว้สรุปโดย AI

HBM และหน่วยความจำ

สรุปฉบับเต็ม อ่านต้นฉบับ ↗ PDF ↗

งานวิจัย2026-10-02 · bioRxiv (Cold Spring Harbor Laboratory)

เทคโนโลยีเคมีของเอนไซม์รูปแบบใหม่ที่ผสานการออกแบบโปรตีนด้วยปัญญาประดิษฐ์และการวิวัฒนาการ

Design-Evolution Synergy Enables New-to-Nature Enzyme Chemistry

Pushmeet Kohli และอีก 16 คน

ทำอะไร: พัฒนาเอนไซม์ที่สามารถเร่งปฏิกิริยาคาร์บอน-ไฮโดรเจนอะมิเนชันซึ่งไม่มีอยู่ตามธรรมชาติ โดยผสานการออกแบบโปรตีนและเทคนิคการวิวัฒนาการที่อาศัยปัญญาประดิษฐ์
ผลลัพธ์หลัก: ประสบความสำเร็จในการสังเคราะห์เอนไซม์ใหม่ที่มีตำแหน่งและสเตอริโอซีเลกทิพิตีที่โปรแกรมได้ มีประสิทธิภาพการเร่งปฏิกิริยาสูง และมีความเสถียรของเอนไซม์เป็นเลิศ
ความสำคัญ: แสดงให้เห็นว่าเทคโนโลยีการออกแบบโปรตีนสามารถนำไปใช้สร้างเอนไซม์ที่ช่วยเร่งปฏิกิริยาเคมีที่ท้าทายได้สรุปโดย AI

AI เพื่อวิทยาศาสตร์

สรุปฉบับเต็ม อ่านต้นฉบับ ↗ PDF ↗

หน้านี้รวบรวมงานวิจัยที่เผยแพร่ ประกาศอย่างเป็นทางการ และรายงานข่าว เพื่อเป็นข้อมูลเท่านั้น บทสรุปงานวิจัยเขียนโดย AI จากบทคัดย่อและตรวจสอบโดยผู้ดูแล อาจแตกต่างจากต้นฉบับ โปรดตรวจสอบต้นฉบับสำหรับเนื้อหาสำคัญ ไม่ใช่คำแนะนำให้ซื้อหรือขายหลักทรัพย์ใดหรือคำปรึกษาด้านการลงทุน การย้ายงานอ้างอิงประกาศอย่างเป็นทางการหรือสื่อหลัก และประวัติการทำงานบางส่วนอ้างอิงจาก Wikidata (CC0) บทสรุปในหน้านี้แปลโดย AI จากฉบับภาษาเกาหลีที่ผู้ดูแลตรวจสอบแล้ว