以2种不同截面尺寸的阵列波导光栅芯片(截面长×宽为6.0μm×6.0μm和4.5μm×4.5μm)与单模光纤的对准耦合为对象,基于光束传播法建立对准耦合仿真模型,分析输入端/输出端几何位置偏差对耦合损耗的影响规律,并进行实验验证...以2种不同截面尺寸的阵列波导光栅芯片(截面长×宽为6.0μm×6.0μm和4.5μm×4.5μm)与单模光纤的对准耦合为对象,基于光束传播法建立对准耦合仿真模型,分析输入端/输出端几何位置偏差对耦合损耗的影响规律,并进行实验验证,以指导AWG器件的耦合封装。研究结果表明:长×宽为6.0μm×6.0μm的截面光通道输入端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.77μm,19μm和0.57°,输出端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.77μm,18.00μm和0.49°;4.5μm×4.5μm截面光通道输入端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.69μm,18.00μm和0.57°,输出端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.68μm,19.00μm和0.71°;在耦合过程中,首先应考虑横向偏移误差和角度偏移,最后应考虑轴向间距误差。展开更多
2023年9月8日,浙江大学药学院侯廷军教授和谢昌谕教授团队、之江实验室陈广勇研究员和刘扶芮研究员合作在《自然机器智能》(Nature Machine Intelligence)上发表了最新研究成果论文“ResG en is a pocket-aware 3D molecular generation...2023年9月8日,浙江大学药学院侯廷军教授和谢昌谕教授团队、之江实验室陈广勇研究员和刘扶芮研究员合作在《自然机器智能》(Nature Machine Intelligence)上发表了最新研究成果论文“ResG en is a pocket-aware 3D molecular generation model based on parallel multiscale modelling”(DOI:10.1038/s42256-023-00712-7)。研究人员提出了一种以蛋白质口袋为条件的三维分子生成模型ResGen。这一模型采用并行多尺度建模策略,有效捕捉到蛋白靶点与配体间的高层次相互作用,并在计算效率上获得显著提升。该研究突破了之前基于配体的分子生成方法,实现了基于结构的药物智能设计。研究人员将以蛋白质口袋为条件的三维分子生成问题表述为全局尺度和原子组件尺度的自回归问题。全局尺度负责整体的分子生成,原子组件尺度则负责确定每一个原子的化学类型和几何位置。与当前业界领先的方法相比,ResGen生成的分子不仅拥有更为合理的化学结构,而且其对应的靶点亲和力也大幅增强。本研究还全面讨论和分析了生成分子的性质、几何结构、真实世界靶标的表现、生成分子和靶标蛋白的相互作用,以及对AlphaFold预测的蛋白结构生成等,证明了ResGen对结构的敏感性及其在真实药物设计中的应用潜力。展开更多
文摘以2种不同截面尺寸的阵列波导光栅芯片(截面长×宽为6.0μm×6.0μm和4.5μm×4.5μm)与单模光纤的对准耦合为对象,基于光束传播法建立对准耦合仿真模型,分析输入端/输出端几何位置偏差对耦合损耗的影响规律,并进行实验验证,以指导AWG器件的耦合封装。研究结果表明:长×宽为6.0μm×6.0μm的截面光通道输入端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.77μm,19μm和0.57°,输出端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.77μm,18.00μm和0.49°;4.5μm×4.5μm截面光通道输入端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.69μm,18.00μm和0.57°,输出端横向位错、轴向间距和角度偏移的0.15 d B容差分别为0.68μm,19.00μm和0.71°;在耦合过程中,首先应考虑横向偏移误差和角度偏移,最后应考虑轴向间距误差。
文摘2023年9月8日,浙江大学药学院侯廷军教授和谢昌谕教授团队、之江实验室陈广勇研究员和刘扶芮研究员合作在《自然机器智能》(Nature Machine Intelligence)上发表了最新研究成果论文“ResG en is a pocket-aware 3D molecular generation model based on parallel multiscale modelling”(DOI:10.1038/s42256-023-00712-7)。研究人员提出了一种以蛋白质口袋为条件的三维分子生成模型ResGen。这一模型采用并行多尺度建模策略,有效捕捉到蛋白靶点与配体间的高层次相互作用,并在计算效率上获得显著提升。该研究突破了之前基于配体的分子生成方法,实现了基于结构的药物智能设计。研究人员将以蛋白质口袋为条件的三维分子生成问题表述为全局尺度和原子组件尺度的自回归问题。全局尺度负责整体的分子生成,原子组件尺度则负责确定每一个原子的化学类型和几何位置。与当前业界领先的方法相比,ResGen生成的分子不仅拥有更为合理的化学结构,而且其对应的靶点亲和力也大幅增强。本研究还全面讨论和分析了生成分子的性质、几何结构、真实世界靶标的表现、生成分子和靶标蛋白的相互作用,以及对AlphaFold预测的蛋白结构生成等,证明了ResGen对结构的敏感性及其在真实药物设计中的应用潜力。
