Ngành
Moore Threads MTT S5000 hỗ trợ mô hình dự đoán cấu trúc sinh học Protenix-v2 của ByteDance
(giờ Việt Nam)
Tóm tắt AI
Card đồ họa MTT S5000 của Moore Threads đã hoàn tất tối ưu hóa cho Protenix-v2, mô hình dự đoán cấu trúc phân tử sinh học của ByteDance, cho phép suy luận hiệu suất cao tương đương AlphaFold 3.
Chính văn · Bản dịch AI
Cảm ơn bạn đọc Autumn_Dream của IT đã gửi thông tin!
IT ngày 24 tháng 9, Moore Threads hôm nay thông báo rằng card tính toán thông minh tích hợp huấn luyện và suy luận MTT S5000 của hãng đã chính thức hoàn tất hỗ trợ suy luận toàn trình cho mô hình dự đoán cấu trúc phân tử sinh học mã nguồn mở Protenix-v2.
Theo tìm hiểu của IT, mô hình mã nguồn mở Protenix-v2 được phát triển bởi đội ngũ Seed của ByteDance, ra mắt vào tháng 4 năm 2026. Trong nhiều bài kiểm tra tiêu chuẩn cốt lõi, mô hình này đạt hiệu suất ngang bằng hoặc thậm chí vượt qua DeepMind AlphaFold 3, hiện là một trong số ít các nền tảng mã nguồn mở trên thế giới có khả năng dự đoán đầu cuối với độ chính xác cao cho các phức hợp protein, DNA, RNA và các phối tử phân tử nhỏ.
Việc thích ứng lần này của MTT S5000 đánh dấu cột mốc Moore Threads đã hiện thực hóa xác thực kỹ thuật đầu cuối cho ba kịch bản cốt lõi của AI for Science (AI4S) bao gồm: dự đoán cấu trúc đại phân tử, mô hình hóa trình tự toàn bộ hệ gen và hình ảnh y tế lâm sàng, qua đó cung cấp nền tảng sức mạnh tính toán AI4S cho các doanh nghiệp dược phẩm và viện nghiên cứu trong nước.
Bài viết được AI dịch và tổng hợp tự động từ IT Home. Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.