Сергей Мосунов

описание

- Компания Фаберже, Faberge.com - Технологический предприниматель и VC

← к каналу @MosunoVC

1 754

подписчиков

Охват к подписчикам

40,9%

ERR

Реакции к просмотрам

2,33%

501 на 35 постов

Пересылки к просмотрам

0,89%

191

Постов в день

1,0

всего 35

Где отзываются чаще

доля реакций к просмотрам

14 июл.без подписи14,84%
17 июл.без подписи11,36%
13 авг.Пока большая часть Европы отдыхает, я люблю использовать август для поездок и встреч с художниками, чьи работы мне интересны. В этот раз меня пригласил в свою лондонскую студию **Ben Johnson**. Он много лет работает с архитектурой и создаёт чрезвычайно детализированные архитектурные композиции. Каждая работа начинается с фотографии и затем проходит долгий путь — чертежи, трафареты, подбор цветов, нанесение слоёв. На одну картину уходят годы. Мне особенно интересна его работа с композицией: точное выстраивание перспективы, масштаба, ритма архитектурных элементов и световых акцентов создаёт ощущение цельного, тщательно рассчитанного пространства. Мы долго говорили о его практике и о моём Art Foundation — о художниках, которых я хочу поддерживать и собирать, технологиях, ИИ и о том, каким я вижу будущее компании Фаберже и фонда. @mosunovc9,78%
29 нояб. 2024 г.#Пятничный мем))) Всем отличных выходных!))7,22%
6 дек. 2024 г.Сложная была неделя, но как же без #Пятничного мема))) Всем отличных выходных!😁6,79%
17 июл.без подписи5,66%
24 июл.без подписи5,65%
27 июл.Nvidia инвестирует в стартап Ильи Суцкевера Safe Superintelligence. Точная сумма не называется, но Bloomberg кокетливо пишет, что «деньги значительные». Илья Суцкевер — выходец из России, родился в Нижнем. Он один из основателей Open AI и ChatGPT. В мае этого года приоткрыл своё состояние, и стало ясно, что у нас появился ещё один долларовый миллиардер.5,59%
15 окт. 2024 г.Несуществующие в природе белки́ — за что вручили Нобелевскую премию по химии (2024) Нобелевская премия по химии 2024 года была присуждена за революционные открытия в области белковой инженерии и предсказания структуры белков. Лауреат Дэвид Бейкер разработал новые подходы к созданию белков, которых не существует в природе. Используя мощные вычислительные методы, его команда научилась проектировать белки с уникальными свойствами, что позволяет создавать ферменты, биосенсоры и даже потенциальные лекарственные препараты. Демис Хассабис и Джон Джампер, работающие в компании DeepMind, сделали ключевой вклад в предсказание структуры белков благодаря разработке программы AlphaFold. Этот искусственный интеллект предсказывает пространственные структуры белков по их аминокислотной последовательности с высокой точностью. Ранее такая задача считалась крайне сложной, и на решение структуры одного белка уходили годы. Однако AlphaFold совершил революцию в этой области, что открыло новые перспективы в биологии, медицине и биотехнологиях. Эти достижения открывают двери к созданию новых лекарств, материалов и даже искусственных биосистем, давая возможность глубже понять биологические процессы и более эффективно влиять на них. Дэвид Бейкер, Демис Хассабис и Джон Джампер — три лауреата Нобелевской премии по химии 2024 года. Эту троицу уже видели вместе — до того они успели получить «научный Оскар» (Breakthrough Prize) в 2021 году (Бейкер) и в 2023 (Хассабис с Джампером). @mosunovc - Канал про бизнес и технологии. #биоинформатика #ии #ДНК #геном #машиннообучение #наука5,48%
28 июл.без подписи4,10%
14 окт. 2024 г.Всем привет, на этой недели хочу рассказать немного о моделях ИИ для анализа сложных функциональных элементов ДНК. Примерно год назад исследователи и даже несколько предпринимателей начали активно заниматься общими "большими" моделями для изучения и аннотирования геномов. Изучение ДНК и выявление её функциональных элементов, таких как промоторы, энхансеры, сайты сплайсинга и связывания транскрипционных факторов, играет центральную роль в понимании эволюции генома и интерпретации генетических вариаций. Однако, с учетом масштабов и сложности эукариотических геномов, задача обнаружения этих элементов становится всё более сложной. Многие важные элементы ДНК могут находиться в неактивных участках или скрываться за сложными эпигенетическими модификациями, которые не поддаются простому чтению. Например команда из GENA-LM построила семейство моделей на основе трансформеров, которое предназначено для анализа и предсказания ключевых функций геномных последовательностей. Эти модели основаны на передовой архитектуре Recurrent Memory Transformer (RMT), которая позволяет эффективно работать с последовательностями длиной в тысячи и даже миллионы оснований. Это решает одну из главных проблем в обработке ДНК — необходимость учитывать длинные контексты, которые оказывают влияние на ключевые процессы, такие как экспрессия генов и регуляция активности. Основные задачи, которые решают проекты типа GENA-LM: • Определение активности промоторов — важнейших регуляторных участков ДНК, которые запускают процесс транскрипции. • Анализ сплайсинга — процесс вырезания и соединения участков РНК. • Аннотация сайтов полиаденилирования — участков, влияющих на стабильность и трансляцию РНК. • Распознавание ключевых ДНК мотивов — участков, критически важных для связывания транскрипционных факторов. • Оценка мутаций — GENA-LM помогает выявить, как мутации в ключевых областях ДНК, например в промоторах, влияют на экспрессию генов и развитие заболеваний. Одним из ключевых вызовов в обработке геномных данных является способность анализировать длинные последовательности, что необходимо для правильного понимания взаимодействий между различными участками ДНК. Классические модели, такие как DNABERT, ограничены размером входной последовательности (до 500-4000 оснований), что ограничивает их возможности в работе с большими сегментами генома. GENA-LM например использует новейшие технологии для преодоления этих ограничений: • Sparse attention: Эта техника позволяет моделям эффективно фокусироваться на определенных участках последовательности, минимизируя вычислительные затраты. • Linear attention: Применение методов линеаризации softmax для упрощения обработки больших последовательностей. • Recurrent memory: Модель RMT разделяет длинные последовательности на части и сохраняет важную информацию о предыдущих фрагментах, что позволяет поддерживать долгосрочные зависимости на уровне всей последовательности. @mosunovc - Канал про бизнес и технологии. #биоинформатика #ии #ДНК #геном #машиннообучение #наука4,07%
21 нояб. 2024 г.Квантовая революция: русский след и глобальные перспективы 😅 На графике выше продемонстрированы h-индексы ведущих ученых в области квантовых вычислений. Лидером в этом списке является Михаил Лукин с индексом 193 — рекордный показатель, подчеркивающий его колоссальный вклад в развитие квантовых технологий. Михаил Лукин является одним из основателей компании QuEra Computing, которая развивает технологию на холодных атомах. Сейчас существует 4 основные технологии которые потенциально могут привести нас к появлению полноценного квантового компьютера: - Холодные атомы (Atom Computing, QuEra Computing) -мне больше всего нравится, я микро инвестор в Atom Computing, - Сверхпроводниковые кубиты (Microsoft, PsiQuantum^ квантовый центр), - Ионные ловушки (IonQ), - Фотонные решения (PsiQuantum, Infleqtion). Я лично верю в потенциал холодных атомов как одной из самых перспективных платформ для масштабируемых квантовых вычислений. Однако важно понимать, что ни одна из технологий пока не доминирует. Каждая из них находит свои применения и свои ниши, что делает рынок невероятно многообещающим и конкурентным, поэтому верю в стартапы которые могут на стыке технологий делать разные свои решения, и даже один такой знаю)) Если интересно что-то подробнее почитать, то вот ссылки: - Прорыв QuEra в создании алгоритмов с коррекцией ошибок: [Nature, 2023] - Потенциал холодных атомов: [Исследование MIT] - Почему квантовые компьютеры важны: [Forbes] #КвантовыеТехнологии #Инвестиции3,28%