广告语和标语

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>探(tan)索(suo)自(zi)然(ran)本(ben)源(yuan)！谷(gu)歌(ge)2022年(nian)終(zhong)總(zong)結(jie)第(di)七(qi)彈(dan)：「生(sheng)化(hua)環(huan)材(cai)」如(ru)何(he)吃(chi)上(shang)機(ji)器(qi)學(xue)習(xi)紅(hong)利(li)？

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：LRS

【新智元導(dao)讀(du)】讓(rang)人(ren)造(zao)的(de)計(ji)算(suan)机幫(bang)我(wo)們(men)解(jie)開(kai)自然的奧(ao)秘(mi)。

隨(sui)著(zhu)(zhe)机器学习和(he)量(liang)子(zi)计算的巨(ju)大(da)進(jin)步(bu)，我们現(xian)在(zai)有(you)了(le)更(geng)強(qiang)大的新工(gong)具(ju)，能(neng)夠(gou)以(yi)新的方(fang)式(shi)與(yu)各(ge)行(xing)業(ye)研(yan)究(jiu)者(zhe)合(he)作(zuo)，並(bing)從(cong)根(gen)本上加(jia)速(su)突(tu)破(po)性(xing)科(ke)学發(fa)现的进展(zhan)。

本期(qi)谷歌年终总结的主(zhu)題(ti)是(shi)「自然科学」，文(wen)章(zhang)作者為(wei)谷歌研究院(yuan)的傑(jie)出(chu)科学家(jia)John Platt，1989年博(bo)士(shi)畢(bi)业於(yu)加州(zhou)理(li)工大学。

往(wang)期鏈(lian)接(jie)：

1. 超(chao)詳(xiang)超硬(ying)Jeff Dean萬(wan)字(zi)总结火(huo)熱(re)出爐(lu)！圖(tu)解谷歌2022年AIGC、LLM、CV三(san)大領(ling)域(yu)成(cheng)就(jiu)

2. 谷歌2022年度(du)回(hui)顧(gu)：让AI更負(fu)責(ze)任(ren)，主要(yao)做(zuo)了4點(dian)微(wei)小(xiao)的工作

3. Jeff Dean发推(tui)：谷歌超硬年终总结「第三弹」來(lai)了！大力(li)发展Jax

4. 让大模(mo)型(xing)的訓(xun)練(lian)和推理，比(bi)更快(kuai)還(hai)更快！谷歌2022年终总结第四(si)弹

5. 基(ji)礎(chu)算法(fa)才(cai)是王(wang)道！谷歌2022年终总结第五(wu)弹：真(zhen)正(zheng)的「算法工程(cheng)師(shi)」都(dou)在研究啥(sha)？

6. Google AI年终总结第六(liu)弹：沒(mei)有波(bo)士頓(dun)動(dong)力的谷歌机器人，发展得(de)怎(zen)麽(me)樣(yang)了？

自从八(ba)年前(qian)加入(ru) Google Research 以来，我有幸(xing)成为壹(yi)個(ge)天(tian)才研究人員(yuan)的社(she)區(qu)的一员，致(zhi)力于應(ying)用(yong)前沿(yan)计算技(ji)術(shu)来推动应用科学的可(ke)能性，目(mu)前團(tuan)隊(dui)正在探索物(wu)理和自然科学的課(ke)题，从帮助(zhu)組(zu)織(zhi)全(quan)世(shi)界(jie)的蛋(dan)白(bai)質(zhi)和基因(yin)组信(xin)息(xi)以造福(fu)人们的生活(huo)，到(dao)利用量子计算机提(ti)高(gao)我们對(dui)宇(yu)宙(zhou)本质的理解。

利用机器学习解开生物学之(zhi)謎(mi)

生物学的非(fei)凡(fan)復(fu)雜(za)性让無(wu)數(shu)研究人员感(gan)到着迷(mi)，从探究大腦(nao)的奥秘、探究蛋白质的構(gou)造，再(zai)到编碼(ma)生命(ming)語(yu)言(yan)的基因组，谷歌一直(zhi)与来自世界各地(di)其(qi)他(ta)领先(xian)组织的科学家合作，应对連(lian)接组学（connectomics）、蛋白质功(gong)能預(yu)測(ce)和基因组学领域的重(zhong)大挑(tiao)戰(zhan)，并使(shi)創(chuang)新成果(guo)能够为更廣(guang)泛(fan)的科学界所(suo)利用。

神(shen)經(jing)生物学

2018年，谷歌开发的一个应用是探索信息是如何通(tong)過(guo)斑(ban)馬(ma)魚(yu)大脑中(zhong)的神经元通路(lu)傳(chuan)播(bo)的，提供(gong)了对斑马鱼如何參(can)与像(xiang)群(qun)集(ji)這(zhe)样的社會(hui)行为的深(shen)入觀(guan)察(cha)结果。

論(lun)文链接：https://www.nature.com/articles/s41592-018-0049-4

通过与马克(ke)斯(si) · 普(pu)朗(lang)克生物智能研究所(Max Planck Institute for Biology Intelligence)的研究人员合作，研究人员们用计算机重建(jian)了一部(bu)分(fen)斑马鱼大脑的3D 電(dian)子顯(xian)微鏡(jing)图像。

这也(ye)是在利用成像和计算管(guan)道繪(hui)制(zhi)小脑中的神经元回路方面(mian)取(qu)得的裏(li)程碑(bei)式的进展，也是连接组学领域的又(you)一次(ci)进步。

这項(xiang)工作涉(she)及(ji)到的技术甚(shen)至(zhi)可以应用到神经科学以外(wai)的领域，例(li)如，为了解決(jue)處(chu)理大型的连接组学数據(ju)集的難(nan)题，谷歌的研究人员开发并发布(bu)了 TensorStore，一个开源的 C++ 和 Python 軟(ruan)件(jian)庫(ku)，專(zhuan)門(men)用于存(cun)儲(chu)和操(cao)作 n 維(wei)数据，在其他领域也適(shi)用于存储大型数据集。

代(dai)码链接：https://github.com/google/tensorstore

通过比較(jiao)人類(lei)语言处理和自回歸(gui)深層(ceng)语言模型(DLM) ，研究人员利用机器学习闡(chan)明(ming)了人类大脑是如何執(zhi)行像语言这样与眾(zhong)不(bu)同(tong)的功能。

论文链接：https://www.nature.com/articles/s41593-022-01026-4

在这项研究中，谷歌与普林(lin)斯顿大学和紐(niu)約(yue)大学格(ge)羅(luo)斯曼(man)醫(yi)学院的研究者合作，让實(shi)驗(yan)参与者聽(ting)30分鐘(zhong)的播客(ke)，同時(shi)使用皮(pi)层脑电图記(ji)錄(lu)他们的大脑活动。

记录结果表(biao)明，人类大脑和 DLM 共(gong)享(xiang)处理语言的计算原(yuan)理，包(bao)括(kuo)连續(xu)的下(xia)一个單(dan)詞(ci)预测，依(yi)賴(lai)上下文嵌(qian)入，以及基于单词匹(pi)配(pei)的post-onset suprise计算，即(ji)可以测量人类大脑对单词的驚(jing)訝(ya)（surprise）程度，并將(jiang)惊讶信號(hao)与 DLM 对单词的预测程度相(xiang)關(guan)聯(lian)。

这些(xie)结果为人类大脑中的语言处理提供了新的结论，并且(qie)表明 DLM 可以用来揭(jie)示(shi)语言的神经基础的有價(jia)值(zhi)的見(jian)解。

生物化学

机器学习还使得在理解生物序(xu)列(lie)方面取得了重大进展，研究人员利用深度学习的最(zui)新进展，从原始(shi)氨(an)基酸(suan)序列中準(zhun)確(que)预测蛋白质功能。

论文链接：https://www.nature.com/articles/s41587-021-01179-w

谷歌还与歐(ou)洲(zhou)分子生物学实验室(shi)的欧洲生物信息研究所(EMBL-EBI)开展緊(jin)密(mi)合作，仔(zai)細(xi)評(ping)估(gu)模型的性能，并向(xiang)公(gong)共蛋白质数据库 UniProt、 Pfam/interPro 和 MGnify 添(tian)加了数以億(yi)计的功能標(biao)註(zhu)。

论文链接：https://www.nature.com/articles/s41587-021-01179-w.epdf

人类对蛋白质数据库的标注可能是一个艱(jian)苦(ku)而(er)緩(huan)慢(man)的过程，而谷歌提出的机器学习方法使得标注速度实现了一个巨大的飛(fei)躍(yue)。

例如，Pfam标注增(zeng)加的数量比过去(qu)十(shi)年所有其他努(nu)力的总和还要多(duo)，全世界每(mei)年訪(fang)問(wen)这些数据库的数百(bai)万科学家现在可以利用該(gai)标注进行研究。

雖(sui)然人类基因组的第一稿(gao)于2003年公布，但(dan)由(you)于测序技术的技术局(ju)限(xian)性，它(ta)并不完(wan)整(zheng)。

2022年，Telomere-2-Telomere (T2T) 联盟(meng)在解决这些先前无法獲(huo)得的区域(包括5个完整的染(ran)色(se)體(ti)臂(bi)和近(jin)2亿个新 DNA 序列堿(jian)基对)方面取得的显著成就，这些区域对于人类生物学、进化和疾(ji)病(bing)的问题既(ji)有趣(qu)又重要。

谷歌的开源基因组變(bian)体caller，即DeepVariant是 T2T 联盟使用的工具之一，以用于准備(bei)发布一个完整的30.55亿碱基对的人类基因组序列。

论文链接：https://www.nature.com/articles/nbt.4235

T2T 联盟也正在使用谷歌开源的方法 DeepConsensus，为 Pacific Biosciences 長(chang)期閱(yue)读测序儀(yi)器提供設(she)备上的錯(cuo)誤(wu)糾(jiu)正，在T2T对全面的泛基因组資(zi)源的最新研究中，可以代表人类遺(yi)传多样性的广度。

论文链接：https://www.nature.com/articles/s41587-022-01435-7.epdf

量子计算在新物理发现中的应用

在促(cu)进科学发现上，量子计算仍(reng)处于初(chu)級(ji)階(jie)段(duan)，但其具有很(hen)大的潛(qian)力，所以谷歌正在探索提高量子计算能力的方法，以使量子在计算成为科学发现和突破的工具。

通过与来自世界各地的物理学家合作，研究人员开始使用现有的量子计算机来创建全新的物理实验，其中一个量子实验问题是：當(dang)传感器测量一个物体时，需(xu)要用计算机处理来自传感器的数据。

在传統(tong)的处理过程中，需要将传感器的数据轉(zhuan)換(huan)为经典(dian)信息（classical information）後(hou)再进行处理。

对于量子计算来說(shuo)，可以直接处理来自传感器的量子数据，将量子传感器的数据直接提供給(gei)量子算法，而无需经过测量，相比传统计算机会有更大的優(you)勢(shi)。

论文链接：https://www.science.org/doi/10.1126/science.abn7293

在谷歌最近与多所大学的研究人员合作撰(zhuan)寫(xie)发表的一篇(pian)Science论文中，实验结果表明，只(zhi)要量子计算机与量子传感器直接耦(ou)合并運(yun)行一个学习算法，量子计算可以从比经典计算少(shao)得多的实验中提取信息。

即使在目前还不成熟(shu)的中等(deng)規(gui)模量子计算机上，「量子机器学习」也可以在数据集上產(chan)生指(zhi)数级的优势。

论文链接：https://arxiv.org/abs/2112.00778

由于实验数据往往是科学发现的限制因素(su)，量子机器学习算法有可能完全釋(shi)放(fang)出量子计算机的巨大威(wei)力，更强的是，这项工作的研究结果也适用于学习量子计算的輸(shu)出，如很难抽(chou)取的量子模擬(ni)输出。

即使没有量子机器学习，量子计算机的一个很有前景(jing)的应用是实验性地探索那(na)些无法观察或(huo)模拟的量子系(xi)统。

2022年，Quantum AI 团队利用这種(zhong)方法观察到了第一个使用超导量子比特(te)处于束(shu)縛(fu)態(tai)的多个微波光(guang)子的实验證(zheng)据。

论文链接：https://www.nature.com/articles/s41586-022-05348-y

光子通常(chang)需要額(e)外的非線(xian)性元素才能相互(hu)作用，谷歌的量子计算机对这些相互作用的模拟结果出乎(hu)研究人员的意(yi)料(liao)：本来以为这些束缚态的存在依赖于脆(cui)弱(ruo)的條(tiao)件，但实際(ji)上卻(que)发现它们甚至对相对强烈(lie)的擾(rao)动都是穩(wen)健(jian)的。

鑒(jian)于谷歌在应用量子计算取得物理学突破方面取得的初步成功，研究人员对这项技术的可能性还抱(bao)有很大的希(xi)望(wang)，将使未(wei)来的突破性发现能够产生与晶(jing)体管或全球(qiu)定(ding)位(wei)系统的创造一样重大的社会影(ying)響(xiang)。

把(ba)量子计算作为一种科学工具是非常有前景的！

参考(kao)资料：

https://ai.googleblog.com/2023/02/google-research-2022-beyond-natural.html返(fan)回搜(sou)狐(hu)，查(zha)看(kan)更多

责任编辑：