Biohub Цукерберга веде $1,8 мільярда проєкт по створенню ШІ-моделей, які передбачають поведінку клітин
Biohub, заснований Марком Цукербергом та Присциллою Чан, координує ініціативи на $1,8 мільярда для тренування ШІ-моделей, які передбачають поведінку клітин. Перший набір даних має бути готовий через рік.
🔬 Дослідження на ранній етапі. Для компаній до 200 людей це нічого не змінює: нема готового продукту, API або інструменту для впровадження — лише фундаментальна наука.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Biohub координує ініціативу на $1,8 мільярда для тренування ШІ-моделей передбачення поведінки клітин
- •Фінансування надають Meta, Google DeepMind, Isomorphic Labs та Департамент енергії США
- •Перший набір даних очікується через приблизно рік
- •Проєкт орієнтований на фундаментальні біологічні дослідження, а не на комерційні продукти
- •Результати будуть доступні через наукові публікації та потенційні партнерства з фармкомпаніями
Як це змінить ваш ринок?
Для фармацевтичної індустрії це може скоротити час на виявлення нових діянь речовин шляхом передбачення біологічної активності молекул за допомогою ШІ. Основний блокер — відсутність готових інструментів для SMB: дані та моделі потребують спеціалізованих знань у біоінформатиці та доступ до високопродуктивних обчислювальних ресурсів, яких у тих компаній нема.
Визначення:
Biohub — досліднова організація, заснована Марком Цукербергом та Присциллою Чан, що фокусується на фундаментальних біологічних дослідженнях з використанням передових технологій, включаючи штучний інтелект.
Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.
❌ "Підходить для компаній будь-якого розміру". ✅ Для фармкомпаній та дослідницьких центрів: доступ до наукових баз даних через партнерство з Biohub, бюджет на біоінформатичну команду (від 2 спеціалістів), обчислювальні ресурси (HPC-кластер або хмарний доступ GPU), термін впровадження — 6-12 місяців для інтеграції даних у дослідні workflow.
Альтернативи (ТАБЛИЦЯ: | | Продукт 1 | Продукт 2 | Продукт 3 | з колонками: Ціна, Де працює, Мін. вимоги, Ключова різниця.
| AlphaFold | безкоштовно (академічне використання) | передбачення структури білків | GPU 12GB+, знання біоінформатики | спеціалізовано на структурі білків | RoseTTAFold | безкоштовно | передбачення структури білків | GPU 12GB+, знання біоінформатики | відкритий код, спільнота розробників | ESM-2 | безкоштовно (академічне) | мова білків для передбачення функції | GPU 24GB+, знання машинного навчання | передбачає функцію білків за послідовністю
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
The Decoder — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live