de.wedoany.com-Bericht: Am 29. Juni wird Google, ein Unternehmen von Alphabet, über den Google Cloud Marketplace die Large Quantitative Models (LQMs) von SandboxAQ anbieten und damit Unternehmen sowie Forschungseinrichtungen den Zugang zu professionellen wissenschaftlichen KI-Fähigkeiten ermöglichen. Die Partnerschaft wird Modelle von SandboxAQ für die Materialentdeckung, Arzneimittelforschung und andere Bereiche in den Google Cloud Marketplace integrieren. Forscher können die entsprechenden Modelle in der Cloud-Umgebung für Katalysatorscreening, molekulare Bindungsanalyse, Bewertung von Kandidatenmaterialien und wissenschaftliche Berechnungen nutzen. SandboxAQ gab bekannt, dass das erste verfügbare Modell AQCat für die Material- und Katalysatorentdeckung sein wird, gefolgt vom Arzneimittelforschungsmodell AQPotency, das ebenfalls in den Google Cloud Marketplace aufgenommen wird.
Diese Modelle sind auf quantitative Berechnungen in der wissenschaftlichen Forschung ausgerichtet und konzentrieren sich auf die Verarbeitung von experimentellen Daten, physikalischen Gesetzen, chemischen Strukturen und Materialeigenschaften. Durch die Integration der SandboxAQ-Modelle in Google Cloud können Forschungsteams über die Cloud-Plattform auf KI-Tools zugreifen, die näher an professionellen Laborszenarien sind.
Die Large Quantitative Models von SandboxAQ unterscheiden sich in ihrer Anwendung von allgemeinen Large Language Models. Während allgemeine Modelle besser für Textverständnis, Dokumentenerstellung, Code-Assistenz und Wissensfragen geeignet sind, erfordern wissenschaftliche Berechnungen wie Arzneimittelscreening, Materialentdeckung und Halbleiterfertigung ein Verständnis für molekulare Strukturen, Energieänderungen, katalytische Reaktionen, Materialoberflächenadsorption und Bindungseigenschaften von Kandidatenverbindungen. AQCat ist auf die Entdeckung von Materialien und Katalysatoren ausgerichtet und berechnet die Bindungsstärke zwischen Molekülen und Katalysatoroberflächen, um Forschern zu helfen, vielversprechendere Kandidatenmaterialien zu identifizieren, bevor sie in vollständige Simulationen und experimentelle Validierungen einsteigen. AQPotency ist für die Arzneimittelforschung konzipiert und kann das Bindungspotenzial von Kandidatenmolekülen an biologische Zielstrukturen in hohem Durchsatz bewerten, was Pharmaunternehmen und Forschungseinrichtungen hilft, die frühe Screening-Phase zu verkürzen.
Die Rolle von Google Cloud besteht darin, Rechenleistung, einen Cloud-Marktplatz und unternehmensgerechte Bereitstellungskanäle bereitzustellen. Wenn wissenschaftliche KI-Modelle nur in wenigen Laboren verbleiben, ist die Nutzungshürde hoch. Durch die Aufnahme in den Cloud-Marktplatz können Unternehmensforschungsteams über einheitliche Beschaffungs-, Bereitstellungs- und Nutzungsmethoden auf die Modelle zugreifen.
Diese Zusammenarbeit zeigt auch, dass sich der Wettbewerb bei Cloud-Diensten auf professionelle wissenschaftliche Szenarien ausweitet. Arzneimittelforschung, Materialwissenschaften, chemische Katalyse, Energiematerialien und Halbleiterfertigung sind hochwertige Forschungsbereiche mit langen traditionellen Experimentierzyklen und hohen Fehlerkosten, die einen starken Bedarf an Berechnungssimulationen und Modellscreening haben. Durch die Bereitstellung der SandboxAQ-Modelle über den Marketplace kann Google Cloud Cloud-Rechenleistung, KI-Fähigkeiten wie Gemini und professionelle wissenschaftliche Modelle kombinieren, sodass Forscher Literaturverständnis, Experimentdesign, Kandidatenscreening, Berechnungsanalyse und Ergebnisüberprüfung auf derselben Plattform durchführen können. SandboxAQ hat zuvor eine Partnerschaft mit Google Cloud aufgebaut, um seine Large Quantitative Models auf der Google Cloud-Infrastruktur zu entwickeln und über den Google Cloud Marketplace die Bereitstellungskanäle für Unternehmenskunden zu erweitern.
Im Bereich der Halbleiterfertigung liegt der Wert professioneller KI-Modelle in den Forschungs- und Entwicklungsphasen, die Materialien, Prozesse und Bauelemente betreffen. Die Chip-Herstellung umfasst Dünnschichtmaterialien, Fotolacke, Ätzgase, Verpackungsmaterialien, katalytische Reaktionen, Oberflächenbehandlungen und Zuverlässigkeitsprüfungen, die alle auf Materialeigenschaftsberechnungen und experimentelle Datenanalysen angewiesen sind. Nachdem wissenschaftliche KI-Modelle in die Cloud-Plattform integriert wurden, können Halbleiterunternehmen und Forschungseinrichtungen Kandidatenmaterialien schneller bewerten, Versuchsabläufe optimieren, minderwertige Tests reduzieren und ihre Forschungsressourcen auf vielversprechendere Ansätze konzentrieren. Durch die Nutzung dieser professionellen Modelle zur Stärkung seiner wissenschaftlichen Cloud-Dienste kann Google Cloud auch Kunden aus der Pharma-, Chemie-, Energie- und Chipindustrie besser bedienen.
Die kommerzielle Bedeutung dieser Zusammenarbeit liegt darin, dass KI-Cloud-Dienste nicht mehr nur um Chatbots, Büroassistenten und Code-Tools kreisen. Die Bereiche, in denen Unternehmen bereit sind, hohe Kosten für KI zu investieren, sind oft Forschungseffizienz, Arzneimittelkandidatenscreening, Entdeckung neuer Materialien und Optimierung komplexer Fertigungsprozesse. Durch die Integration der SandboxAQ-Modelle kann Google Cloud Forschungsinstituten, Pharmaunternehmen, Materialfirmen und Halbleiterkunden branchenspezifischere KI-Fähigkeiten bieten. Der entscheidende Faktor wird sein, ob diese Modelle in realen Forschungsabläufen überprüfbare Ergebnisse liefern können, einschließlich einer verbesserten Trefferquote beim Screening, einer Reduzierung der Versuchsanzahl, einer genaueren Priorisierung von Kandidatenmaterialien und einer nahtlosen Integration mit vorhandenen experimentellen Daten und Berechnungsplattformen der Unternehmen.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
