Gengram外掛大腦 助基因組模型提升22.6%
現有基於Transformer的基因組基礎模型依賴大規模預訓練間接推斷基序,效率受限。華大生命科學研究院與之江實驗室組成的Genos團隊提出Gengram,以顯式記憶機制為模型配上「外掛大腦」,任務性能最高提升22.6%。
現有模型的短板
基因組基礎模型是解讀生命密碼的核心工具,但基於Transformer的方案需依賴大規模預訓練與密集計算,間接推斷多核苷酸基序,不僅效率低,在基序主導的功能元件檢測任務中表現亦受限制,行業期待更高效的建模方式。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
