갤러리 이슈박스, 최근방문 갤러리
개념글 리스트
1/3
- 싱글벙글 가수를 그만두게 된 이유.JPG 최강한화이글스
- 얼굴로 편의점을 지킨 알바 박성웅 또또장금이
- 신림동 170억 전세사기 터짐 ㅇㅇ
- 오랜만에 서울 자취방에 간 유튜버가 겪은 일 또또장금이
- 싱글벙글 모아이석상 원래 모습.jpg 수인갤러리
노벨화학상 근황
- 관련게시물 : 속보)한국인 한강 노벨상 문학상 수상- 관련게시물 : 노벨상 AI가 받았다...초유의 사태 연이어 발생광주출신 여성박사 1저자- 안타깝게 노벨화학상 놓친 한국인백인경 서울대 교수... 알파고 AI를 이용해 인간이 수천년간 연구해야 알아낼 수 있는 단백질 구조를 밝힌 인물. 공동 수상이 3명까지 수상이 가능했는데 알파고 ceo와 개발자, 연구팀 수석연구원이 수상함 수석연구원 다음이라 순위에서 밀림 존나 아깝다 진짜... - dc official App- 노벨화학상 한국인이 제일 불쌍함 ㅅㅂㅋㅋㅋㅋ공동저자 셋까지만 수상이라 밀림ㅋㅋㅋㅋ이 분은 심지어 뭐 정치 치트키도 안 썼고 진짜 코딩 독학으로 배워서 제1저자로 참여함ㅋㅋㅋㅋㅋ- 백민경 교수를.araboja 광주과고 출신이고 조기졸업으로 알고 있음 이분이 09학번이신데 09년에 아버지이신 백정선 전남대 수학과 교수님이 그해 교통사고로 돌아가셨다는것... 성인 되기 전에 돌아가셨다는 것 아무튼 이 분 학부를 보면 매우 특이한데 서울대 "화학과" 학부 석사 박사(석박통) 졸업 학부 다닐 때 화학보다 계산 화학에 더 끌려서 계산 화학을 시작하게 되고 당연하게 모델링을 연구하게 됨. 근데 생각보다 모델링이 개빡인게 분자 간 상호작용이 좆같이 복잡해서 예측하기도 어렵고 해도 실제랑 안 맞는다는 거 그래서 세부 분야를 단백질 모델링으로 정했다고 함. 그나마 단백질은 어느 정도 정형화된 패턴을 갖고 있어 다른 상호작용 예측보다 조금 더 수월한 편이기 때문에 기존에도 여러 예측 모델들이 나왔었다. 이러한 예측 모델가지고 2년마다 경쟁하는 단백체 구조 예측 대회(CASP)가 있는데 기존에도 정확도가 30~40% 정도로 단백질 구조가 예측이 되고 있었음. 그런데 2018년 딥마인드에서 알파폴드를 공개하고 알파폴드가 무려 58%의 정확도로 우승을 해버린 거임. 이 때 딥마인드는 발표와 동시에 소스코드를 공유해 모든 연구자들이 쓸 수 있게 했다. 이거 존나 개 쩌는 뉴스였다. 2008년에 깔짝으로 뚫고 10년 동안 안 뚫리던 예측 정확도 40퍼의 벽을 머신 러닝으로 뚫어버렸으니까. 당연히 모든 연구자들은 머신러닝에 관심을 갖게 될 수 밖에 없었다. 그런 와중에 구글 딥마인드에서 2020년 새 프로젝트를 통해 코로나 바이러스를 해체분석했고 이 프로젝트로 CASP를 참여 이번에는 90% 정확도를 내버린 것 90% 정확도라는 말은 단백질의 경첩같은 움직이는 구조빼면 완벽하게 예측했다는 것과 동일한 얘기 근데 이거 프로그램으로 정확도 90%를 찍고 정작 프로그램은 공개를 안 해버린게 제일 큰 문제였다. 과학자들은 ㅆㅂ 연구해야되니까 내놓으셈 아니면 구라핑임?이러는데 딥마인드는 우리 논문쓰고 특허받고 낼 거니까 기다리셈 이러면서 공개를 미루고 있었다. 이 소식을 들은 백민경 교수는 알파폴드 1 기반으로 알파폴드 2를 개선했을 것이라 생각, 알파폴드 1을 뜯고 맛보기 시작한다. 연구 과정을 대충 설명하자면 일단 알파폴드든 기존 연구든 베이스로 깔고 가는 생각이 있다. "서열이 비슷하면 모양이 비슷하지 않을까?" 우리는 존나 많은 생물들의 DNA서열과 그 서열이 어떤 단백질을 지정하는지 10만개가 넘는 데이터들(MSA, Multi Sequence Alignment)을 알고 있다. 이제 할일은 서열이랑 구조간의 패턴을 밝히면 되는 것 이런 거랑 똑같은 거다. 알파폴드1은 그냥 대충 AI 돌려서 패턴 찾는 구조였다. 여기서 백민경교수가 구조를 새로 짜는데 자세하게 설명하려면 2시간 정도 붙잡고 설명해야되니까 대충 설명하면 한번 타는 보일러를 세번 타는 보일러로 만든 거다. 이 구조를 통해 88%의 정확도 (대충 85%~100%는 단백질의 흐물거리는 부분때문에 차이가 없다고 봄)을 기록했고 21년 사이언스에 등재 , 무려 사이언스의 첫 표지를 장식하게 된다. (첫 표지는 그 잡지에 실린 모든 논문 중에서 제일 중요한 논문을 나타냄) 하루 뒤 딥마인드가 알파폴드2를 네이처에 공개하였지만 개인 연구자가 돈 처바른 기업보다 무려 하루 빠르게 공개해버린 것 두 AI가 똑같지 않은데 성능은 알파폴드2 9 AI에서 문제를 풀기 위해 필요한 연산량n을 O(n)으로 표기하는데 로제타폴드는 O(n²) 알파폴드2는 O(n³)으로 성능이 약간 딸린 대신 알파폴드에 비해서 더 적은 GPU를 요구한다는 것. 백교수의 논문이 발표되고 1달만에 이 논문의 인용수가 1k를 넘는 개쩌는 업적을 달성하게 되고 현재 3.6k의 인용수를 자랑하는 논문이 되게 된다. 그러다가 22년 33살에 서울대 생명과학부 교수로 임용된다. 왜 한국에 왔는지는 몰루 진짜 왜 옴? 이후 올해 3월에 로제타폴드올아톰 이 공개 되는데 이것도 개쩔고 지리는 연구지만 생명과학 안하면 필요없을 거 같아서 이름만 소개함
작성자 : 갸갤러고정닉
![[SubsPlease] Kono Sekai wa Fukanzen Sugiru - 02 (720p) [AB6D402B].mkv_001810.457.jpg](https://image.dcinside.com/download.php?no=24b0d769e1d32ca73fe981fa11d028310a3eab44b7e01cf4f191b2ce288c666fc3c5ac86fc8812917a4df657a0d5a9131c6a047af47a81fd09cb158282e2a566&f_no=%5BSubsPlease%5D+Kono+Sekai+wa+Fukanzen+Sugiru+-+02+%28720p%29+%5BAB6D402B%5D.mkv_001810.457.jpg){kind=link}
![[SubsPlease] Kono Sekai wa Fukanzen Sugiru - 02 (720p) [AB6D402B].mkv_001811.946.jpg](https://image.dcinside.com/download.php?no=24b0d769e1d32ca73fe981fa11d028310a3eab44b7e01cf4f191b2ce288c666fc3c5ac86fc8812917a4df657a0d5a9131c6a047aa1208df85c9c45d582e2a566&f_no=%5BSubsPlease%5D+Kono+Sekai+wa+Fukanzen+Sugiru+-+02+%28720p%29+%5BAB6D402B%5D.mkv_001811.946.jpg){kind=link}
![[SubsPlease] Kono Sekai wa Fukanzen Sugiru - 02 (720p) [AB6D402B].mkv_001817.270.jpg](https://image.dcinside.com/download.php?no=24b0d769e1d32ca73fe981fa11d028310a3eab44b7e01cf4f191b2ce288c666fc3c5ac86fc8812917a4df657a0d5a9131c6a047aa1218cfe5bcc448482e2a566&f_no=%5BSubsPlease%5D+Kono+Sekai+wa+Fukanzen+Sugiru+-+02+%28720p%29+%5BAB6D402B%5D.mkv_001817.270.jpg){kind=link}
![[SubsPlease] Kono Sekai wa Fukanzen Sugiru - 02 (720p) [AB6D402B].mkv_001822.066.jpg](https://image.dcinside.com/download.php?no=24b0d769e1d32ca73fe981fa11d028310a3eab44b7e01cf4f191b2ce288c666fc3c5ac86fc8812917a4df657a0d5a9131c6a047afd7081fa58cb148a82e2a566&f_no=%5BSubsPlease%5D+Kono+Sekai+wa+Fukanzen+Sugiru+-+02+%28720p%29+%5BAB6D402B%5D.mkv_001822.066.jpg){kind=link}
![[SubsPlease] Kono Sekai wa Fukanzen Sugiru - 02 (720p) [AB6D402B].mkv_001832.315.jpg](https://image.dcinside.com/download.php?no=24b0d769e1d32ca73fe981fa11d028310a3eab44b7e01cf4f191b2ce288c666fc3c5ac86fc8812917a4df657a0d5a9131c6a047aa0768ffd0999158282e2a566&f_no=%5BSubsPlease%5D+Kono+Sekai+wa+Fukanzen+Sugiru+-+02+%28720p%29+%5BAB6D402B%5D.mkv_001832.315.jpg){kind=link}
![[SubsPlease] Kono Sekai wa Fukanzen Sugiru - 02 (720p) [AB6D402B].mkv_001836.857.jpg](https://image.dcinside.com/download.php?no=24b0d769e1d32ca73fe981fa11d028310a3eab44b7e01cf4f191b2ce288c666fc3c5ac86fc8812917a4df657a0d5a9131c6a047af12388a40b9a188a82e2a566&f_no=%5BSubsPlease%5D+Kono+Sekai+wa+Fukanzen+Sugiru+-+02+%28720p%29+%5BAB6D402B%5D.mkv_001836.857.jpg){kind=link}
댓글 영역
획득법
① NFT 발행
작성한 게시물을 NFT로 발행하면 일주일 동안 사용할 수 있습니다. (최초 1회)
② NFT 구매
다른 이용자의 NFT를 구매하면 한 달 동안 사용할 수 있습니다. (구매 시마다 갱신)
사용법
디시콘에서지갑연결시 바로 사용 가능합니다.