AI科研每日要闻7月29日

　　编辑/凯霞
　　目录：  Nature发表 AlphaFold 社论：人工智能将在结构生物学中持续存在  AlphaFold2 方法论文：好主意的源泉  新 AI 系统可在不到一秒内预测建筑物排放率  深度学习技术有助于 X 射线数据实现三维可视化  「锂充电电池之父」 M. Stanley Whittingham 新发明解决了40年的难题  迈向合成细胞周期
　　Nature 发表 AlphaFold 社论：人工智能将在结构生物学中持续存在
　　7 月 22 日 DeepMind 的研究人员在线发布 AlphaFold 机器学习工具可以预测 98% 人类蛋白质的完整蛋白质链的 3D 结构。《自然》杂志采访了该领域的近十几名研究人员。共识是，现在准确预测人工智能在生命科学中的应用会产生什么影响还为时过早，除非任何影响都将是变革性的。
　　相关报道：https://www.nature.com/articles/d41586-021-02037-0
　　AlphaFold2 方法论文：好主意的源泉
　　上周期待已久的 AlphaFold2 方法论文和相关代码公布。哥伦比亚大学系统生物学系助理教授穆罕默德·库莱希（Mohammed AlQuraishi）发表其主要观点：是什么让 AlphaFold2 变得有趣或令人惊讶。重点讲解架构的技术方面，着眼于可应用于其他分子问题的可概括的经验教训。
　　相关报道：https://moalquraishi.wordpress.com/2021/07/25/the-alphafold2-method-paper-a-fount-of-good-ideas/
　　新 AI 系统可在不到一秒内预测建筑物排放率
　　拉夫堡大学（Loughborough University）的计算机科学家与多学科工程咨询公司 Cundall 合作，创建了一个人工智能系统，可以在不到一秒的时间内为非住宅建筑生成建筑物排放率（BER)（当前的方法可能需要数小时到数天才能产生 BER）。而且准确性几乎没有损失——使其成为一个更快、更有效的过程。
　　相关报道：https://techxplore.com/news/2021-07-ai-energy.html
　　深度学习技术有助于 X 射线数据实现三维可视化
　　美国能源部 (DOE) 阿贡国家实验室的一组科学家开发了一种名为 3D-CDI-NN 的新计算框架，并表明它可以从先进光子源（APS）收集的数据中创建 3D 可视化，其速度比传统方法快数百倍。该研究可能会对天文学、电子显微镜和其他依赖大量 3D 数据的科学领域产生影响。
　　论文链接：https://aip.scitation.org/doi/10.1063/5.0031486
　　相关报道：https://phys.org/news/2021-07-3d-deep-techniques-visualize-x-ray.html
　　「锂充电电池之父」 M. Stanley Whittingham 新发明解决了40年的难题
　　锂离子电池存在的一个长期技术问题是，每次在设备中安装新的锂离子电池时，在设备第一次充电之前，其能量容量就会损失约五分之一。将铌涂层与用铌原子替代锰原子相结合可能是提高初始容量和长期容量保持率的更好方法。研究表明，在 250 次充放电循环中，首次循环容量损失减少，长期容量保持率提高了 93% 以上。
　　论文链接：https://pubs.acs.org/doi/10.1021/acsenergylett.1c00190
　　相关报道：https://techxplore.com/news/2021-07-founding-father-lithium-ion-batteries-year.html
　　迈向合成细胞周期
　　合成生物学的最新发展可能使合成细胞的自下而上生成触手可及。荷兰瓦赫宁根大学（Wageningen University）研究人员发表综述：描述了基于天然系统/合成替代品在合成细胞中重新创建这些过程的不同方法。尽管最近建立了一些单独的机器，但它们在合成细胞周期中的整合和控制仍有待解决。并讨论了实现综合合成细胞周期的潜在途径。
　　天然和合成细胞周期。