نحن نتعاون مع @InSilicoMed لإنشاء نماذج علمية خفيفة الوزن أساسية لأبحاث الأدوية. معا، نبني سلسلة من نماذج الأساسات السائلة ذات أداء متقدم عبر عدة مجالات فرعية لاكتشاف الأدوية. 💊 هدفنا هو دفع حدود اكتشاف الأدوية إلى ما هو أبعد من النماذج المتخصصة ذات الغرض الواحد، ونحو نماذج عامة أساسية مفيدة وقادرة على استيعاب الجزيئات والاختبارات والبيانات المستهدفة المملوكة بالكامل ضمن الحالات الخاصة المحلية. أول نموذج في السلسلة هو LFM2-2.6B-MMAI، وهو نموذج صغير يحقق أداء على نطاق سحابي مع العمل بالكامل على بنية تحتية خاصة: > التحسين الجزيئي: نجاح يصل إلى 98.8٪ في تحسين MuMO-Instruct متعدد المعلمات. > توقعات الألفة: تفوق على GPT-5.1، وكلود أوبوس 4.5، وGrok-4.1 في مؤشر Insilico القياسي 2.5M / 689 هدفا. > التفكير الكيميائي: التفكير الوظيفي القوي (FGBench) والاسترجاع الصلب بخطوة واحدة (ChemCensor). من خلال دمج تقنية LFM الفعالة من Liquid AI مع صالة MMAI Gym التابعة لشركة Insilico، وهي منصة تدريب شاملة تضم أكثر من 1000 معيار أدوية، نلاحظ أن النشر في الموقع يمكن أن يحقق نتائج تنافسية عبر جميع مهام اكتشاف الأدوية، وكل ذلك في نظام واحد. تفتح هذه القدرات تطبيقات مفيدة فورية لشركات الأدوية، لا سيما في الفحص عالي التردد ل ADMET، وتحسين الرصاص المواجه للكيمياء الطبية، وتقييم جدوى التركيب الرجعي الذي يمنع هدر الجهد التجريبي.

اقرأ إعلان الشراكة: اقرأ التقرير الفني: احصل على النموذج اليوم: انظر @InSilicoMeds الرئيس التنفيذي والمؤسس المشارك @biogerontology و@liquidai الرئيس التنفيذي والمؤسس المشارك @ramin_m_h حول اكتشاف الأدوية.