John M. Jumper
_-_img_02.jpg)
John Michael Jumper (1985) Amerikalı bir kimyager ve bilgisayar bilimcisidir. Google DeepMind'da yönetici olarak görev yapmaktadır.[1] Jumper ve meslektaşları, amino asit dizilerinden protein yapılarını yüksek doğrulukla tahmin etmek için bir yapay zeka (AI) modeli olan AlphaFold'u yarattı. Jumper, AlphaFold ekibinin 100 milyon protein yapısı yayınlamayı planladığını belirtti.[2]
Jumper ve Demis Hassabis, protein yapılarına ilişkin tahminleri nedeniyle 2024 Nobel Kimya Ödülü'nün yarısını kazandılar.[3][4]
Eğitim
[değiştir | kaynağı değiştir]Jumper, 2007 yılında Vanderbilt Üniversitesi'nden fizik ve matematik ana dallarında Bachelor of Science derecesi,[5] 2010 yılında Cambridge Üniversitesi'nden Marshall Bursu ile teorik yoğun madde fiziğinde Felsefe Yüksek Lisansı,[6] 2012 yılında Chicago Üniversitesi'nden teorik kimyada Master of Science derecesi ve 2017 yılında Chicago Üniversitesi'nden teorik kimyada Felsefe Doktorası derecesi aldı.[7]
Kaynakça
[değiştir | kaynağı değiştir]- ^ Eisenstein, Michael (2021). "Artificial intelligence powers protein-folding predictions". Nature. 599 (7886). Springer Nature. ss. 706-708. doi:10.1038/d41586-021-03499-y. Erişim tarihi: 24 Aralık 2021.
- ^ Maxmen, Amy (2021). "Nature's 10: John Jumper: Protein predictor". Nature. 600 (7890). Springer Nature. ss. 591-604. doi:10.1038/d41586-021-03621-0. PMID 34912110. Geçersiz
|doi-access=free(yardım) - ^ "The Nobel Prize in Chemistry 2024". Nobel Media AB. Erişim tarihi: 9 Ekim 2024.
- ^ "Press release: The Nobel Prize in Chemistry 2024". NobelPrize.org (İngilizce). Erişim tarihi: 9 Ekim 2024.
- ^ Doster, Stephen. "John Jumper, developer of AlphaFold, to present an Apex Lecture on August 30". Vanderbilt University (İngilizce). Erişim tarihi: 9 Ekim 2024.
- ^ "University of Cambridge alumni awarded 2024 Nobel Prize in Chemistry | University of Cambridge". www.cam.ac.uk (İngilizce). 9 Ekim 2024. 9 Ekim 2024 tarihinde kaynağından arşivlendi. Erişim tarihi: 9 Ekim 2024.
- ^ Jumper, John Michael (2017). New methods using rigorous machine learning for coarse-grained protein folding and dynamics. chicago.edu (PhD tez). University of Chicago. doi:10.6082/M1BZ647N. OCLC 1237239279. ProQuest 1883866286.
