Chúng tôi đang hợp tác với @InSilicoMed để tạo ra các mô hình nền tảng khoa học nhẹ cho nghiên cứu dược phẩm. Cùng nhau, chúng tôi đang xây dựng một loạt các mô hình nền tảng lỏng với hiệu suất hàng đầu trong nhiều lĩnh vực khám phá thuốc. 💊 Mục tiêu của chúng tôi là đẩy ranh giới của việc khám phá thuốc vượt ra ngoài các mô hình chuyên dụng, đơn mục đích và hướng tới các mô hình tổng quát nền tảng hữu ích và có khả năng tiếp nhận các phân tử, thử nghiệm và dữ liệu mục tiêu độc quyền hoàn toàn trong các phiên bản riêng tư cục bộ. Mô hình đầu tiên trong hàng là LFM2-2.6B-MMAI, một mô hình nhỏ đạt hiệu suất quy mô đám mây trong khi hoạt động hoàn toàn trên cơ sở hạ tầng riêng tư: > Tối ưu hóa phân tử: Đạt tới 98.8% thành công trên tối ưu hóa đa tham số MuMO-Instruct. > Dự đoán độ tương thích: Vượt trội hơn GPT-5.1, Claude Opus 4.5 và Grok-4.1 trên chuẩn mực 2.5M / 689 mục tiêu của Insilico. > Lý luận hóa học: Lý luận nhóm chức năng mạnh mẽ (FGBench) và tổng hợp ngược 1 bước vững chắc (ChemCensor). Bằng cách kết hợp công nghệ LFM hiệu quả của Liquid AI với MMAI Gym của Insilico, một nền tảng đào tạo toàn diện với hơn 1,000 chuẩn mực dược phẩm, chúng tôi nhận thấy rằng việc triển khai tại chỗ có thể mang lại kết quả cạnh tranh trên toàn bộ phổ các nhiệm vụ khám phá thuốc, tất cả trong một hệ thống duy nhất. Những khả năng này mở ra các ứng dụng ngay lập tức hữu ích cho các công ty dược phẩm, đặc biệt trong sàng lọc ADMET tần suất cao, tối ưu hóa dẫn xuất hóa học và đánh giá khả năng tổng hợp ngược nhằm ngăn chặn nỗ lực thử nghiệm lãng phí.

Đọc thông báo hợp tác: Đọc báo cáo Kỹ thuật: Nhận mô hình hôm nay: Xem CEO và Đồng sáng lập @InSilicoMeds @biogerontology và CEO và Đồng sáng lập @liquidai @ramin_m_h về phát hiện thuốc.