跳到正文
热点事件持续更新

研究者提出用于膜蛋白扩散的神经随机模型

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月6日，Jacob Ede Levine等人在arXiv预印本中提出了一种神经随机（NS）模型。该模型旨在从粗粒化分子动力学（MD）轨迹预测膜蛋白的集体扩散，并能生成延伸至40,000帧的长时程轨迹。 该模型结合了Transformer表示、多时间尺度循环网络及随机潜变量过程。在七通道PIEZO系统测试中，模型成功复现了异常扩散指数（α~1），改善了以往变分自回归模型的超扩散行为。 此外，该模型能够捕捉PIEZO与TREK混合系统中的不同扩散特性，为膜蛋白动态模拟提供了新的预测工具。

AI 根据报道生成 · 21 小时前更新

最新进展11月6日 13:00
神经随机模型用于膜蛋白横向扩散模拟

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · ML
    神经随机模型用于膜蛋白横向扩散模拟

    研究者引入神经随机（NS）模型，从粗粒化 MD 轨迹预测膜蛋白集体扩散，生成延伸至 40,000 帧的长时程轨迹。模型结合 Transformer 表示、多时间尺度循环网络及随机潜变量过程，在七通道 PIEZO 系统中复现异常扩散指数 $\alpha \sim 1$，改善以往变分自回归模型的超扩散行为，并能捕捉 PIEZO 与 TREK 混合系统的不同扩散特性。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。