L’IA aide les scientifiques à concevoir une nouvelle enzyme mangeuse de plastique

  • FrançaisFrançais



  • En bref Une enzyme synthétique conçue à l’aide d’un logiciel d’apprentissage automatique peut décomposer les déchets plastiques en 24 heures, selon une étude publiée dans Nature.

    Des scientifiques de l’Université du Texas à Austin ont étudié la structure naturelle de la PETase, une enzyme connue pour dégrader les chaînes polymères du polyéthylène. Ensuite, ils ont formé un modèle pour générer des mutations de l’enzyme qui fonctionnent rapidement à basse température, ont lâché le logiciel et ont sélectionné à partir de la sortie une variante qu’ils ont nommée FAST-PETase pour synthétiser. FAST signifie fonctionnel, actif, stable et tolérant.

    FAST-PETase, nous dit-on, peut décomposer le plastique en aussi peu que 24 heures à des températures comprises entre 30 et 50 degrés Celsius. L’équipe pense que la production et l’utilisation de l’enzyme conçue par l’IA peuvent être étendues à des niveaux industriels, offrant un nouveau moyen abordable de se débarrasser du plastique jeté dans le monde. D’une manière générale, les approches biologiques pour briser les déchets plastiques utilisent moins d’énergie et/ou sont plus écologiques que les méthodes d’élimination à grande échelle d’aujourd’hui, d’où l’intérêt de quelque chose comme FAST-PETase.

    “Lorsque vous envisagez des applications de nettoyage de l’environnement, vous avez besoin d’une enzyme capable de fonctionner dans l’environnement à température ambiante”, a déclaré Hal Alper, co-auteur de l’étude et ingénieur chimiste à l’UT Austin, dans un communiqué. “Cette exigence est là où notre technologie a un énorme avantage à l’avenir.”

    L’IA s’est avérée utile ici, semble-t-il, car elle a permis à l’équipe d’utiliser un logiciel pour automatiser la génération de la mutation souhaitée – techniquement, cinq mutations au final.

    “Ce travail démontre vraiment le pouvoir de rassembler différentes disciplines, de la biologie synthétique au génie chimique en passant par l’intelligence artificielle”, a ajouté Andrew Ellington, professeur de biologie synthétique également à l’UT Austin, qui a aidé à concevoir le modèle d’apprentissage automatique.

    Le responsable de l’apprentissage automatique de Lyft se rend dans l’armée américaine

    Le Pentagone a embauché son tout premier officier en chef de l’intelligence numérique et artificielle (CDAIO) pour déterminer comment il devrait utiliser des centaines de millions de dollars du Congrès pour développer des capacités de défense.

    Craig Martell, ex-responsable de l’apprentissage automatique chez Lyft, a confirmé qu’il avait quitté son emploi pour rejoindre l’Oncle Sam dans une interview avec Breaking Defense.

    “Je pense qu’ils [US Dept of Defense] vraiment besoin de quelqu’un de l’industrie qui sache comment apporter une véritable IA et une valeur analytique à grande échelle et rapidement », a-t-il déclaré. cela ne fonctionne pas, essayons ceci et cela ne fonctionne pas, essayons ceci. Et vous développez ce muscle au fil du temps dans l’industrie et je pense que c’est quelque chose dont le DoD a vraiment besoin.”

    Le Pentagone a investi massivement dans la technologie d’apprentissage automatique, dépensant des millions de dollars dans des contrats cloud pour faire évoluer les pipelines de données, les analyses, etc. Lorsqu’il a annoncé qu’il recherchait un CDAIO l’année dernière, le ministère de la Défense a déclaré qu’il souhaitait développer une stratégie technologique plus unifiée entre différentes unités.

    “Si nous voulons réussir à atteindre les objectifs, si nous voulons réussir à être compétitifs avec la Chine, nous devons déterminer où la meilleure valeur de mission peut être trouvée en premier et cela va devoir conduire ce que nous construisons, ce que nous concevons, les politiques que nous élaborons », a déclaré Martell. “Je veux juste éviter de m’assurer que nous ne faisons pas cela dans le vide, mais nous le faisons avec de vrais objectifs de mission, de vrais objectifs de mission à l’esprit.”

    Les algorithmes d’IA et les radiologues examinent-ils les mêmes caractéristiques dans les images médicales ?

    Des experts et des machines inspectent les scanners du cancer du sein de différentes manières, selon une étude menée par des chercheurs de l’Université de New York.

    Les modèles d’apprentissage automatique avaient tendance à se concentrer sur des détails plus petits et granulaires lorsqu’ils examinaient des lésions des tissus mous, des zones de croissance anormale du tissu mammaire, tandis que les radiologues étudient la luminosité globale et les formes des images. Au lieu d’utiliser une seule méthode, les chercheurs pensent que les machines et les connaissances humaines devraient être utilisées ensemble pour mieux diagnostiquer les patients.

    “Établir la confiance dans [deep neural networks] pour le diagnostic médical se concentre sur la compréhension si et comment leur perception est différente de celle des humains », a déclaré Linda Moy, co-auteur de l’étude publiée dans Nature Scientific Reports et chercheuse à NYU, dans un communiqué.

    “Le principal goulot d’étranglement dans l’intégration des systèmes d’IA dans le flux de travail clinique consiste à comprendre leur prise de décision et à les rendre plus robustes”, a ajouté Taro Makino, auteur principal de l’article et doctorant à NYU. “Nous considérons que nos recherches font progresser la précision des capacités de l’IA à effectuer des évaluations liées à la santé en éclairant, puis en abordant, ses limites actuelles.”

    Anthropic lève 580 millions de dollars en série B

    Le laboratoire de recherche sur l’IA axé sur la sécurité, Anthropic, vient de lever 580 millions de dollars lors d’un cycle de financement de série B dirigé par Sam Bankman-Fried, PDG de FTX, un échange de crypto-monnaie.

    Le co-fondateur et PDG d’Anthropic, Dario Amodei, a déclaré que la startup dépenserait l’argent pour construire et étudier de grands systèmes. “Avec cette collecte de fonds, nous allons explorer les propriétés d’évolutivité prévisibles des systèmes d’apprentissage automatique, tout en examinant de près les manières imprévisibles dont les capacités et les problèmes de sécurité peuvent émerger à grande échelle”, a-t-il déclaré dans un communiqué.

    La formation de grands réseaux de neurones avec des centaines de milliards de paramètres est coûteuse, en termes de calcul et financièrement. Il n’y a que quelques entreprises et laboratoires de recherche qui disposent du soutien et des ressources nécessaires pour construire ces types de systèmes. Certains experts pensent qu’un comportement plus intelligent émergera de ces modèles à mesure qu’ils grandissent, et sont curieux de savoir s’il y a une limite à leur taille.

    “Nous avons réalisé d’importants progrès initiaux dans la compréhension et le pilotage du comportement des systèmes d’IA, et assemblons progressivement les éléments nécessaires pour créer des systèmes d’IA utilisables et intégrés qui profitent à la société”, a déclaré Amodei. ®

    L'équipe de Comparaland

    L'équipe rédactionnnelle du site

    Pour contacter personnellement le taulier :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.