Współpracujemy z @InSilicoMed, aby stworzyć lekkie modele podstawowe w nauce dla badań farmaceutycznych. Razem budujemy serię modeli płynnych o najlepszej wydajności w różnych poddziedzinach odkrywania leków. 💊 Naszym celem jest przesunięcie granic odkrywania leków poza modele jednoprzewodowe, wyspecjalizowane, w kierunku modeli ogólnych, które są użyteczne i zdolne do przetwarzania zastrzeżonych cząsteczek, testów i danych celowych całkowicie w lokalnych, prywatnych instancjach. Pierwszym modelem w kolejce jest LFM2-2.6B-MMAI, mały model, który osiąga wydajność na poziomie chmury, działając całkowicie na prywatnej infrastrukturze: > Optymalizacja molekularna: Do 98,8% sukcesu w wieloparametrowej optymalizacji MuMO-Instruct. > Przewidywanie powinowactwa: Przewyższył GPT-5.1, Claude Opus 4.5 i Grok-4.1 w benchmarku Insilico z 2,5M / 689 celami. > Rozumowanie chemiczne: Silne rozumowanie grup funkcyjnych (FGBench) i solidna retrosynteza 1-krokowa (ChemCensor). Łącząc efektywną technologię LFM Liquid AI z MMAI Gym Insilico, kompleksową platformą szkoleniową z ponad 1 000 benchmarkami farmaceutycznymi, obserwujemy, że wdrożenie lokalne może dostarczyć konkurencyjnych wyników w pełnym zakresie zadań odkrywania leków, wszystko w jednym systemie. Te możliwości odblokowują natychmiast użyteczne aplikacje dla firm farmaceutycznych, szczególnie w zakresie wysokoczęstotliwościowego skanowania ADMET, optymalizacji prowadzenia w chemii medycznej oraz oceny wykonalności retrosyntezy, co zapobiega marnowaniu wysiłku eksperymentalnego.

Przeczytaj ogłoszenie o partnerstwie: Przeczytaj raport techniczny: Zdobądź model już dziś: Zobacz @InSilicoMeds CEO i współzałożyciela @biogerontology oraz CEO i współzałożyciela @liquidai @ramin_m_h w zakresie odkrywania leków.