====
论文
====

======
Python
=====
=

=========
Tensorflow
=========

=======
PyTorch
=======

=====
Keras
=====

====
专题
====

====
链接
====

====
视频

====

=======
药物设计

=======

=======
材料科学
=======

============
经济学与金融学
==========
==


 

软件


返回


Graphormer

  • Graphormer : Graphormer是一个深度学习包,允许研究人员和开发人员为分子建模任务训练自定义模型。旨在加速人工智能在分子科学方面的研究和应用,如材料发现、药物发现等。项目网站文档网站

  • Graphormer是一个深度学习包,允许研究人员和开发人员为分子建模任务训练自定义模型。它旨在加速人工智能在分子科学方面的研究和应用,例如材料发现、药物发现等。现在它支持各种分子模拟任务,例如分子动力学和性质预测。在不久的将来,它将进一步支持分子科学中的重要应用,如反应预测、逆合成、分子生成、大分子(聚合物、蛋白质)建模、药物-蛋白质相互作用(DPI)等。
  •  
  • Graphomer最初在NeurIPS 2021的论文中描述过Transformer在图形表示学习方面真的表现糟糕吗?提出的Graphormer是第一个基于标准Transformer构建的深度学习模型,在图形级预测任务上大大优于所有传统图形神经网络。
  •  
  • Graphormer在KDD Cup–OGB-LSC量子化学赛道上获得第一名,该赛道旨在使用人工智能预测380多万个分子的量子特性。此次比赛吸引了500多支球队参加,其中包括DeepMind和其他大公司。最近,Graphormer赢得了Open Catalyst Challenge(开放催化剂挑战赛),这是一项分子动力学竞赛,旨在通过AI对催化剂吸收反应系统进行建模,并通过密度泛函理论(DFT)软件模拟了66多万个催化剂吸收弛豫系统(1.44亿个结构能量框架)。赢得OC挑战表明,Graphormer可以在很大程度上为材料发现和其他重要领域的新AI技术的发展带来好处。

通用分子结构模型Graphormer简介 - 郑书新博士 (视频学习)

 

OpenChem

OpenChem :OpenChem是一个基于PyTorch后端的计算化学深度学习工具包。OpenChem的目标是使深度学习模型成为计算化学和药物设计研究人员易于使用的工具。


AncPhore

AncPhore是基于药效团的药物发现的通用工具,其特征在于药效团特征分析和锚定药效团导向的分子拟合和虚拟筛选。它涉及八种类型的药效团特征,包括氢键供体、氢键受体、带正电中心、带负电中心、金属配位、芳香环、疏水性和共价键特征以及排斥球。AncPhore提供了一个框架,用于生成配体结构、载脂蛋白结构或蛋白-配体复合物结构的药效团模型,并执行虚拟筛选、靶点分析、药物重新定位等。
 
 


 
 
 
 
 
 
 
 
 
 

 

人工智能

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

上海市浦东新区沪城环路999号