生物材料科学创新研讨会

生物材料设计与开发中的机器学习与人工智能

2021年10月19日
美国东部时间上午11:00

机器学习(ML)和人工智能(AI)已经在化学和材料领域发生了变革,在这些领域中,大型数据集已经或可以生成。然而,当数据稀缺且昂贵时,如生物材料设计,计算建模受到限制。生物材料的计算机辅助设计通常依赖于从头算建模(如分子动力学),不需要数据,但无法预测复杂特性,如生物材料力学、光学特性或物理特性体外体内行为或功效。因此,人类的直觉加上实验的反复试验,往往是设计新生物材料的最新技术。这些开发生物材料的传统方法既昂贵又费力,并且大大减缓了新生物医学设备进入临床实践的速度。为了解决这一障碍,创新方法包括使用ML和AI设计,长期目标是(生物)材料基因组。本次网络研讨会将概述ML和AI的更广泛领域,以及计算能力的进步与大数据分析以及机器学习、建模和模拟方面的创新是如何使人工智能彻底改变生物材料的设计和开发的。

节目

  • 抗生物污染单层膜的机理与分子设计
    林智博
    ,东京理工学院
  • 学习控制人工智能模型以加速交付
    帕耶尔达斯,人工智能科学,托马斯·K·沃森研究中心,IBM研究中心

  • 马上就来
    黛博拉马克
    ,哈佛医学院布拉瓦尼克系统生物学研究所
  • 基于最大熵方法和深度学习的肽生物材料迭代发现
    安德鲁·怀特
    罗切斯特大学

主持人


丹妮尔·贝诺特罗切斯特大学

Danielle Benoit是生物医学工程系的教授,在化学工程和肌肉骨骼研究中心任教,同时也是罗切斯特大学材料科学计划主任。她领导治疗性生物材料实验室,该实验室专门研究再生医学和药物输送应用中聚合物材料的合理设计。她的工作为骨移植修复的组织工程策略的翻译、核酸和小分子药物递送的pH响应纳米颗粒的开发以及治疗药物的骨特异性递送的新靶向策略提供了见解。班诺特被众多研究奖项所认可,其中包括2019个AIMBE研究员,2018届缅因大学杰出校友奖,2016届凯特·格里森青年工程师奖,2015届细胞与分子生物工程创新者奖,NSF职业奖,还有亚历克斯的柠檬水摊青年调查员奖。她还是NIH生物材料和生物界面研究组的常务成员。班诺特获得了缅因大学生物工程学士学位和科罗拉多大学化学工程硕士和博士学位。然后她在华盛顿大学接受培训,她是达蒙Runyon癌症研究基金会的默克研究员。班诺特于2010加入罗切斯特大学。


安德鲁·怀特罗切斯特大学

安德鲁·怀特 2008年毕业于Rose Hulman理工学院,获得化学工程学士学位。在罗斯期间,他在德国马格德堡的奥托·冯·盖里克大学和马克斯·普朗克复杂技术系统动力学研究所学习了一年。怀特于2013完成华盛顿大学化学工程博士学位。接下来,怀特与芝加哥大学的Greg Voth教授在2013-2014年担任生物物理动力学研究所博士后研究员。在芝加哥,他开发了模拟和实验相结合的新方法。White于2015加入罗切斯特大学化学工程系,现为副教授。他在化学系、生物物理学、材料科学和数据科学项目中有联合任命。White于2018获得国家科学基金会职业奖,2020获国家卫生研究院杰出青年研究者奖。怀特编写了一本关于分子和材料深度学习的教科书,可在 https://whitead.github.io/dmol-book .

演讲者

帕耶尔达斯

帕耶尔达斯,人工智能科学,托马斯·K·沃森研究中心,IBM研究中心

Payel Das是IBM研究AI、IBM Thomas J Watson研究中心的主要研究人员和经理。她还是哥伦比亚大学应用物理和应用数学系(APAM)的兼职副教授。她在莱斯大学获得了理论生物物理学博士学位。目前,她领导低数据区和机器创新领域的可信人工智能研究。一个中心焦点是开发可控的生成人工智能和高效的黑盒优化技术。目标是为各种下游商业和科学应用,包括药物发现和材料设计,实现复杂系统的可靠建模和有效合成新颖和有用的设计。Das曾担任该杂志的编辑顾问委员会成员ACS中央科学杂志. 她获得了两项IBM杰出技术成就奖(IBM最高技术奖)、两项IBM研究部奖、一项IBM卓越奖和六项IBM发明奖。


林智博,东京理工学院

林智博于2003年在海德堡Ruprecht Karls Universität获得博士学位。他于2003年加入东京理工学院,担任博士后研究员,并于2010年晋升为副教授。他的专业领域是表面和界面科学、扫描探针显微镜、材料信息学和计算机模拟。他曾获得11项学术奖,包括日本高分子科学学会的朝日开成奖(2011年)。他的活动摘要载于http://lab.spm.jp/.