导读：西雅图华盛顿大学医学院蛋白质设计研究所的研究人员，研发出一款新的深度学习工具 RoseTTAFold，不仅拥有媲美 AlphaFold2 的蛋白质结构预测超高准确度，而且更快、所需计算机处理能力更低，更重要的是，RoseTTAFold 完全免费！
一、技术理论前沿
1. Science：媲美 AlphaFold2 的蛋白质结构预测新工具问世，一台游戏计算机十分钟出结果，完全免费。
蛋白质作为构成人体组织器官的支架和主要物质，在人体生命活动中起着重要作用。2020年，DeepMind 在第 14 届 “蛋白质结构预测关键评估”（CASP14）大赛中展示了轰动一时的相关成果 ——AlphaFold2，当时，该技术预测蛋白质结构的准确度排名第一。
现在，西雅图华盛顿大学医学院蛋白质设计研究所的研究人员，研发出一款新的深度学习工具 RoseTTAFold，不仅拥有媲美 AlphaFold2 的蛋白质结构预测超高准确度，而且更快、所需计算机处理能力更低，更重要的是，RoseTTAFold 完全免费！
2. 谷歌量子计算团队再发 Nature！逻辑错误抑制实现 100 倍增长，或为容错量子计算机研发铺平道路。
量子计算机最突出的优势是可以对数据进行同时处理计算，但其发展瓶颈也很明显，例如目前量子比特数不够多，纠错容错技术也有待完善，这些因素都大大限制了量子计算的普及实用。因此，包括各国工业界、学术界和国家实验室的科研人员都在寻求减少量子计算机错误的方法。
近日，谷歌量子人工智能（Google AI Quantum）团队的一篇论文再次刊登在 Nature 杂志上，研究人员基于谷歌量子处理器 “悬铃木”（Sycamore）实现了量子计算错误抑制的指数级增长。
3. NTT 高级科学家：光子是深度学习的未来！光子有望替代电子计算机加速神经网络计算。
近日，来自日本 NTT 研究所的高级科学家 Ryan Hamerly 在 IEEE Spectrum 上发表了一篇文章（“The Future of Deep Learning Is Photonic”），谈论了光学计算在未来的强大潜力。他解释了为何光学计算会降低神经网络计算的能耗，以及光子设备取代电子设备的可能。
4. 快手八卦！
突破 TensorFlow、PyTorch 并行瓶颈的开源分布式训练框架来了！随着摩尔定律的失效，单个计算单元的能力已经远远无法满足数据的指数级增长。比如，快手每天上传的新视频超过千万条，即便训练简单的分类模型（比如 ResNet），使用单机单卡的算力，训练快手日内新增视频都需要超过一百天的时间。因此，在数据爆炸性增长的互联网行业，多机多卡的并行训练成为了大数据时代的必然。
随着深度学习模型功能的日益强大，分布式训练任务的通信成本和所需算力也随之急剧增长。
5. MobiSys 2021 Best Paper | 可高效、准确地预测模型推理时间的系统 nn-Meter。深度神经网络（DNN）模型在实际部署中的延迟（推理时间）是决定模型是否可用的一个重要指标。然而，模型设计过程中对数以亿计的设计选项进行实际的部署和延迟评估会造成巨大的开销。因此，如何进行高效、准确的模型运行延迟预测对模型的设计至关重要。
二、观点评论解读
1. 11 位科学家眼中的 WAIC：当科学家开始关注市场。“阳春白雪的东西变少了，烟火气变重了。” 这是今年与会者参加世界人工智能大会（WAIC）最直观的感受。而从科学家的角度，这种 “阳春白雪” 和 “烟火气” 的碰撞则有着更深的含义。
2. 刷手机被 AI 公开点名，比利时议员在议会上不能再 “摸鱼” 了。近日，Reddit 上一个帖子可谓热度爆表，不到一天时间，引发大量网友讨论。该帖子内容为 “AI 揭示了政客们在开会时，看手机的时间。”数字艺术家 Dries Depoorter 将他的最新装置 “The Flemish Scrollers” 链接到了比利时佛兰德省议会的会议直播间。
3. 这届 AI 预测欧洲杯冠军，通通被打脸。持续了一个月的欧洲杯，终于落下帷幕。早在比赛前几个月里，就有不少研究机构公布了他们对本次大赛的预测结果，各个 AI 综合了近年各个球队的数据、比赛结果和球员表现，对欧洲杯的夺冠热门球队、单场比赛结果，都进行了预测。
三、产业动态聚焦
1. 搭载 AI 的真・物理自瞄外挂，宣称不会被发现，动视：已连锅端。都说主机游戏难以开挂，最近却有人称他们实现了 “全平台制霸”，无论是在 PC 里，还是 PS、Xbox 上，都可以成为 “神枪手”。
2. OpenAI 雄心勃勃的机器人计划失败了：强化学习没法用？曾经训练出单手解魔方机器人的 OpenAI，眼下已经解散了机器人团队。这家执着于实现通用人工智能（AGI）的公司现在放弃了机器人研究，理由是 “数据不够丰富”。