#计算机# #数学# #物理# Springer Nature 推出使用新的品牌名“SN”的高度包容的管理学领域的期刊，为作者提供新的出版选择。其中SN Partial Differential Equations and Applications期刊包涵三部分【期刊主页直达：https://t.cn/A6qGrDWo】：
1、PDEs 理论：涵盖椭圆、抛物型方程和双曲 PDEs 理论、多面体 PDEs 理论、变异微积分、功能分析、ODEs 理论和数学分析中的一系列进一步主题。
2、PDEs 的计算方法：涵盖与 PDEs 相关的数值分析和计算数学的所有领域。这里主要强调的是数值方法，而不是特定的应用。
3、PDEs 在科学中的应用：涵盖数学物理、化学、生物学、工程以及生命科学和社会科学的应用。分析和计算方法都很受欢迎。
SN PDEA 提供旨在整合特定研究主题出版物的专题集。文章可以作为论文发布,也可以在专题特辑中发布。文章内容在前两年内免费访问。同时期刊为所有基于 PDE 的研究提供单独平台，将数学分析、计算数学和数学在科学中的应用领域连接起来。SN PDE 接受原创研究以及高质量的综述文章，提供全面和快速的同行评审。投稿指南直达：https://t.cn/A6qGrDWS

#ai技术# 突破， DeepMind攻克生物学难题

11月30日，DeepMind宣布：AlphaFold 2，这个AI已经成功解决蛋白质折叠的问题。
据悉，AlphaFold的“准确性”均分，从原本的60+/100，提升至了92.4/100，而过去十几年，其他方法只能在40分左右徘徊。
对此，CASP发起人，计算生物学家约翰·莫尔特（John Moult）表示：从某种意义上说，蛋白质折叠的问题已经解决了。[太阳]
#人工智能##deepmind#
-----------

海育国际开设了AI通识课程、竞赛辅导、AI研学、师资培训等人工智能教育项目，详情欢迎咨询“海育小助手”或致电：021-51085051中国，+1（888）2189811美国

【DeepMind称已解决“蛋白折叠问题”】

昨日，Alphabet旗下公司、开发AlphaGo算法的DeepMind在官方网站发文称，他们开发的AlphaFold算法已解决了50年以来困扰蛋白科学界的“蛋白折叠问题”（protein folding problem）。该难题指的是预测一个蛋白分子会折叠成什么形状，这取决于构成该蛋白的氨基酸序列。由于蛋白的形状和功能具有很强的对应性，预测一个蛋白的折叠形状对生物学研究来说十分重要。

自上世纪60年代以来，该难题就一直困扰着计算生物学家。美国生物学家赛勒斯·利文索尔（Cyrus Levinthal）指出，如果尝试用蛮力计算解答该难题，对于每个蛋白分子都需要穷举至少10³⁰⁰个可能性。然而，人工智能算法的出现意味着计算机或许可以替代人类，预测蛋白的折叠结构。在每两年一次的蛋白结构预测关键评估（CASP）中，科学家认为AlphaFold已解决了这一难题。AlphaFold的训练只持续了几周，数据集包含了大约17万个蛋白结构和大量的蛋白序列，并运用了128个TPUv3核心（算力约等于100-200个GPU，据DeepMind报告）。训练后的AlphaFold在第14届CASP上取得了平均92.4 GDT（可近似看作预测蛋白结构与实际蛋白结构的相似度，满分100 GDT）的成绩。