药学前沿大讲堂521讲

题  目: 深度学习算法原理与药物发现范式

报告人: 徐峻 教授，中山大学药物分子设计研究中心

时  间: 2021年11月24日（周三）10：00-11：30

地  点: 中山大学东校园bm11222宝马娱乐网站125讲学厅

报告人简介:

      徐峻是我院药物化学和信息学教授、药物分子设计研究中心主任、英国皇家化学会会士。长期在第一线从事药物设计算法研究和药物发现实验研究。他和团队研制的许多算法和程序成为国际主流药物设计系统的核心引擎。2019年以来，已经在国际主流学术杂志上发表深度学习算法及其在药物设计中的应用工作十多篇。

报告内容简介：

      从现在到本世纪末，颠覆性技术出现的主要领域应该在生命和信息科技领域，技术的主要瓶颈依然是生物大分子之间、生物大分子与巨量小分子之间的作用机制问题。虽然冷冻电镜技术可以揭示比较复杂的生物大分子机器的结构，但是，它解析的分子结构所处的温度(绝对零度附近)比正常生命体系要求的温度低300多度。而且，这些结构不是动态的，与基于生物分子群体动态特征的生命现象和机制仍有巨大差距。

      当前的人工智能 (主要是深度学习) 技术席卷全球，成为本世纪的显学。它源于对神经元学习机制的模拟，目标是显著超过人的学习能力。记忆与遗忘、关注与忽略不仅是常见的生物现象，也是深度学习过程的重要机制。深度学习模拟生物界演化原理，让语言 (包括自然语言、计算机语言、形式语言)不仅成为描述自然规律的工具，还是发现自然规律的工具。这得益于以前将标量(scalar)和矢量(vector)作为模式识别的数学基础，现在将张量(tensor)作为模式识别的数学基础以保证模式在不同参照系下的不变性；以前用算术运算(arithmetic)和算子(operator)操作处理数据，现在用变换(transformer)和卷积(convolution)提取数据特征以实现高效模式识别和容错能力。深度神经网络的本质是函数串联/并联构建的函数网络，形成强大的从数据提取知识的能力。

       本讲座将解析：神经网络的数学和信息学本质、深度神经网络与自然规律的层次性、循环神经网络与自然规律的递归性、双向循环神经网络与自然规律的时空特性、长短期记忆机制与自然规律的互相作用特性、卷积运算与自然规律的逻辑特性、串行/并行计算与自然规律的演化特性、人工智能对药物发现范式演变的影响。