Kris Kersten – NVIDIA 技術博客 http://www.open-lab.net/zh-cn/blog 閱讀開發者創建的最新技術信息、頭條新聞 和內容。 Wed, 15 Jan 2025 09:55:00 +0000 zh-CN hourly 1 196178272 借助 NVIDIA BioNeMo Blueprint 加速蛋白質工程中的生成式蛋白質粘結劑設計 http://www.open-lab.net/zh-cn/blog/accelerate-protein-engineering-with-the-nvidia-bionemo-blueprint-for-generative-protein-binder-design/ Mon, 13 Jan 2025 09:43:07 +0000 http://www.open-lab.net/zh-cn/blog/?p=12635 Continued]]> 設計一種能在藥物研發中專門結合標的治療性蛋白質是一項艱巨的挑戰。傳統工作流程通常是一個艱苦的試錯過程，需要對數千個候選項進行迭代，而每一輪合成和驗證都需要數月甚至數年的時間。考慮到人類蛋白質的平均長度為 430 個氨基酸，可能的設計數量相當于 位序列，實際上是無限量，遠遠超過宇宙中的原子數 ()。 用于生成式蛋白質粘結劑設計的 NVIDIA BioNeMo Blueprint 是藥物研發平臺的參考工作流，可幫助這些平臺使用生成式 AI 和 GPU 加速的微服務，以智能方式瀏覽這一龐大的搜索空間。系統不會進行強力猜測，而是會引導用戶找到結構受限的穩定粘結劑，從而大幅減少迭代次數并縮短發現時間。本文將展示藥物研發公司的研究人員如何在簡化的 GPU 加速工作流程中快速生成從初始標序列到經過驗證的穩定配合物的新型蛋白質粘結劑。 NVIDIA NIM 微服務 是模塊化的云原生組件，

Source

]]> 12635 聯合學習在傳統機器學習方法中的應用 http://www.open-lab.net/zh-cn/blog/applying-federated-learning-to-traditional-machine-learning-methods/ Thu, 22 Jun 2023 06:35:14 +0000 http://www.open-lab.net/zh-cn/blog/?p=7283 Continued]]> 在大數據和分布式計算時代，傳統的機器學習方法面臨著一個重大挑戰：當數據分散在多個設備或豎井中時，如何協同訓練模型。這就是聯合學習發揮作用的地方，它提供了一個很有前途的解決方案，將模型訓練與直接訪問原始訓練數據脫鉤。 聯合學習最初旨在實現去中心化數據上的協作深度學習，其關鍵優勢之一是其通信效率。這種相同的范式可以應用于傳統的 ML 方法，如線性回歸、 SVM 、 k-means 聚類，以及基于樹的方法，如隨機森林和 boosting 。 開發傳統 ML 方法的聯合學習變體需要在幾個層面上進行仔細考慮： 值得注意的是聯邦的和分布式的與深度學習相比，傳統方法的機器學習可能不那么獨特。對于某些算法和實現，這些術語可以是等效的。 在圖 1 中，每個客戶端構建一個唯一的增強樹，該樹由服務器聚合為樹的集合，然后重新分發給客戶端進行進一步的訓練。

Source

]]> 7283 借助 NVIDIA FLARE 實現的聯合學習，提升您的人工智能工作流程 http://www.open-lab.net/zh-cn/blog/boost-your-ai-workflows-with-federated-learning-enabled-by-nvidia-flare/ Wed, 14 Jun 2023 05:05:37 +0000 http://www.open-lab.net/zh-cn/blog/?p=7209 Continued]]> 在工作流程中利用人工智能的企業面臨的主要挑戰之一是管理支持大規模培訓和部署機器學習（ ML ）模型所需的基礎設施。為此，NVIDIA FLARE平臺提供了一個解決方案：聯合學習，使得跨企業管理復雜的人工智能工作流變得更加容易。 NVIDIA FLARE 2.3.0 是 NVIDIA 聯合學習平臺的最新版本，其中包含了令人興奮的新功能和增強功能，如： 這篇文章詳細介紹了這些功能，并探討了它們如何幫助您的組織提升人工智能工作流程，并通過機器學習獲得更好的結果。 有了這個版本，您現在可以使用 IaC 無縫管理您的多云基礎設施，利用不同云提供商的優勢，并分配您的工作負載以提高效率和可靠性。 IaC 使您能夠自動化基礎設施的管理和部署，從而節省時間并降低人為錯誤的風險。 NVIDIA FLARE 2.3.0 支持在 Microsoft Azure 和 AWS…

Source

]]> 7209 使用 NVIDIA FLARE 從模擬到生產的聯合學習 http://www.open-lab.net/zh-cn/blog/federated-learning-from-simulation-to-production-with-nvidia-flare/ Tue, 25 Oct 2022 03:11:00 +0000 http://www.open-lab.net/zh-cn/blog/?p=5539 Continued]]> NVIDIA FLARE 2.2 包括一系列新功能，可縮短開發時間并加快聯合學習的部署，幫助企業降低構建強大人工智能的成本。獲取有關此版本中新增內容的詳細信息。 作為 聯合學習 (FL) 的開源平臺和軟件開發工具包 (SDK)，NVIDIA FLARE 不斷發展，使其最終用戶能夠利用分布式、多方協作來實現從模擬到生產的更強大的 AI 開發。 FLARE 2.2 的發布帶來了大量更新，簡化了研究人員和數據科學家的研發工作流程，簡化了 IT 從業者和項目負責人的部署，并加強了安全性，以確保真實部署中的數據隱私。其中包括： 簡化研究人員和開發人員的工作流程 優化部署、操作和安全 新的 FL Simulator 是支持研發工作流的關鍵功能之一。模擬器允許研究人員和開發人員運行和調試 FLARE 應用程序，而無需調配和部署項目。模擬器提供了一個輕量級環境，

Source

]]> 5539 使用 NVIDIA Flare 2.1 測試新型分布式應用程序 http://www.open-lab.net/zh-cn/blog/experimenting-with-novel-distributed-applications-using-nvidia-flare-2-1/ Thu, 23 Jun 2022 04:44:00 +0000 http://www.open-lab.net/zh-cn/blog/?p=4425 Continued]]> NVIDIA FLARE （ NVIDIA Federated Learning Application Runtime Environment ， NVIDIA 聯邦學習應用程序運行時環境）是一個用于協作計算的開源 Python SDK 。 FLARE 設計有一個組件化體系結構，允許研究人員和數據科學家將機器學習、深度學習或一般計算工作流調整為聯合范式，以實現安全、隱私保護的多方協作。 此體系結構提供了用于安全地配置聯合、建立安全通信以及定義和編排分布式計算工作流的組件。 FLARE 在一個可擴展的 API 中提供了這些組件，該 API 允許定制以適應現有的工作流或輕松試驗新的分布式應用程序。 圖 1 顯示了具有基礎 API 組件的高級 FLARE 體系結構，包括用于保護隱私和安全管理平臺的工具。在此基礎之上是聯邦學習應用程序的構建塊，

Source

]]> 4425 與 NVIDIA Clara Imaging 和 MD.AI 合作驗證 AI 模型 http://www.open-lab.net/zh-cn/blog/validating-ai-models-collaboratively-with-clara-imaging-and-md-ai/ Mon, 29 Nov 2021 04:44:00 +0000 http://www.open-lab.net/zh-cn/blog/?p=2462 Continued]]> 使用 NVIDIA Clara 構建的醫療成像 AI 模型現在可以在云計算的 MD.ai 上本地運行，從而使用現代 web 瀏覽器實現協作模型驗證和快速注釋項目。這些 NVIDIA Clara 模型可免費用于任何 MD.ai 合作研究項目，如器官或腫瘤分割。 人工智能解決方案已被證明有助于簡化放射學和企業成像工作流程。然而，創建、共享、測試和縮放計算機視覺模型的過程并不像所有模式、條件和結果那樣簡化。需要幾個關鍵組件來創建穩健的模型，并支持最多樣化的采集設備和患者群體。這些關鍵組件可以包括為未注成像研究創建基本事實的能力，以及在全球范圍內合作評估模型與驗證數據的使用的能力。 MD.ai 的實時協作標注平臺和英偉達 Clara 深度學習培訓框架有助于創建更健壯的模型構建和協作。 在這篇文章中，我們將介紹 Clara Train MMAR 的基礎知識，以及準備使用 MD.

Source

]]> 2462 人人超碰97caoporen国产