152 पेपर
STAR-GO एक ट्रांसफॉर्मर-आधारित ढांचा है जो विकसित होती ऑन्टोलॉजी के अनुकूल एकीकृत अर्थपूर्ण निरूपणों (semantic representations) को सीखने के माध्यम से, जीन ऑन्कोलॉजी शब्दों की पाठ्य परिभाषाओं और पदानुक्रमित ग्राफ संरचनाओं को एकीकृत करके अत्याधुनिक, ज़ीरो-शॉट प्रोटीन फंक्शन प्रेडिक्शन प्राप्त करता है।
ZeroFold एक ट्रांसफार्मर-आधारित मॉडल है जो Boltz-2 फाउंडेशन मॉडल से प्री-स्ट्रक्चरल एम्बेडिंग्स का लाभ उठाता है ताकि सीधे अनुक्रम (sequence) से प्रोटीन-RNA बाइंडिंग एफिनिटी की सटीक भविष्यवाणी की जा सके, जो स्पष्ट रूप से 3D संरचनाओं की आवश्यकता के बिना RNA संरचनात्मक लचीलेपन की चुनौती को प्रभावी ढंग से दूर करता है।
यह शोध पत्र PepMorph को प्रस्तुत करता है, जो एक मास्क्ड कंडीशनल जनरेटिव मॉडलिंग पाइपलाइन है जो लक्षित फाइब्रिलर या गोलाकार स्व-संयोजन रूपाकारों (morphologies) के साथ नवीन पेप्टाइड्स को सफलतापूर्वक डिजाइन करती है, और कोर्स-ग्रेन आणविक गतिकी सिमुलेशन के माध्यम से 83% सत्यापन सफलता दर प्राप्त करती है।
यह शोध पत्र एक लेटेंट स्टाइल-आधारित क्वांटम वासरस्टीन GAN आर्किटेक्चर प्रस्तावित करता है जो मोड कोलैप्स जैसी शास्त्रीय GAN प्रशिक्षण चुनौतियों को दूर करने के लिए वेरिएशनल ऑटोएनकोडर्स, नॉइज़ एनकोडिंग और ग्रेडिएंट पेनल्टी को एकीकृत करता है, जो क्वांटम सिम्युलेटर और वास्तविक IBM हेरोन हार्डवेयर दोनों पर बेंचमार्क के माध्यम से ड्रग डिज़ाइन में इसकी प्रभावकारिता को प्रदर्शित करता है।
यह शोध पत्र PoseBench प्रस्तुत करता है, जो चुनौतीपूर्ण वास्तविक दुनिया की स्थितियों, जैसे कि अनुमानित अपो (apo) संरचनाओं के उपयोग, समवर्ती बहु-लिगैंड बाइंडिंग और अज्ञात बाइंडिंग पॉकेट्स के तहत प्रोटीन-लिगैंड डॉकिंग के लिए डीप लर्निंग विधियों का व्यवस्थित रूप से मूल्यांकन करने के लिए डिज़ाइन किया गया पहला व्यापक बेंचमार्क है, जो यह प्रकट करता है कि जबकि को-फोल्डिंग (co-folding) विधियाँ आम तौर पर बेसलाइन से बेहतर प्रदर्शन करती हैं, वे अभी भी नवीन पोज (poses) और संरचनात्मक सटीकता के साथ रासायनिक विशिष्टता को संतुलित करने में संघर्ष करती हैं।
यह शोध पत्र MolLangBench प्रस्तुत करता है, जो भाषा-प्रेरित आणविक संरचना पहचान, संपादन और निर्माण के मूल्यांकन के लिए एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि मनुष्यों के लिए अपनी सहज सरलता के बावजूद, GPT-5 जैसे अत्याधुनिक मॉडल भी इन मौलिक रासायनिक कार्यों के साथ महत्वपूर्ण रूप से संघर्ष करते हैं।
यह अध्ययन सात विशिष्ट एंजाइमी प्रणालियों का विश्लेषण करता है और एक सामान्य प्रवृत्ति को प्रकट करता है जहाँ एंट्रॉपी और सूचना दोनों ही परिधीय क्षेत्रों से उत्प्रेरक स्थलों की ओर स्थानांतरित होते हैं।
यह शोधपत्र एक प्रशिक्षण-मुक्त विधि प्रस्तुत करता है जो उपयोगकर्ता द्वारा प्रदान किए गए अनुक्रमों द्वारा परिभाषित विशिष्ट कार्यात्मक उपसमुच्चयों की ओर स्टोकेस्टिक अटेंशन-आधारित प्रोटीन पीढ़ी को अनुकूलित करने के लिए एकल स्केलर बायस (scalar bias) का उपयोग करती है, जबकि आयाम न्यूनीकरण (dimensionality reduction) के कारण उत्पन्न होने वाले एक "कैलिब्रेशन गैप" की पहचान और मात्रा निर्धारण करती है जो अवशेष-स्तर (residue-level) के कार्यात्मक विविधताओं के संरक्षण को सीमित करता है।
यह शोध पत्र एक सुदृढ़, गैर-परतरोपण (non-perturbative) रमन स्पेक्ट्रोस्कोपी पद्धति को प्रदर्शित करता है जो डेंसिटी फंक्शनल थ्योरी को मशीन लर्निंग के साथ एकीकृत करके, बिना खुले हुए अगर प्लेटों के माध्यम से सीधे जीवाणु कॉलोनियों की पहचान करने में 97.7% से अधिक सटीकता प्राप्त करता है, जिससे नमूना तैयार करने की आवश्यकता समाप्त हो जाती है और सूक्ष्मजीव विकास की वास्तविक समय में निगरानी सक्षम होती है।
यह शोध पत्र गार्नेट (Garnet) को प्रस्तुत करता है, जो विविध क्वांटम मैकेनिकल और प्रयोगात्मक डेटा से शून्य से प्रशिक्षित एक ग्राफ न्यूरल नेटवर्क है, जो प्रोटीन और छोटे अणुओं के लिए स्वतः ही हस्तांतरणीय बल क्षेत्र (force field) पैरामीटर उत्पन्न करने के लिए, स्टेट-ऑफ-द-आर्ट मॉडलों के समान प्रदर्शन प्राप्त करते हुए डबल एक्सपोनेंशियल पोटेंशियल जैसे वैकल्पिक कार्यात्मक रूपों के व्यवस्थित अन्वेषण को सक्षम बनाता है।