Splendid2025

0
获赞数
1
关注数
0
粉丝数
IP 属地贵州
2025-01-26 加入
浏览 496

AI4SCI

1 声望
暂无数据
黄金勋章
暂未获得该勋章
如何获得
白银勋章
暂未获得该勋章
如何获得
青铜勋章
暂未获得该勋章
如何获得
个人动态
  • 发布了文章6 月 15 日
    基于昇腾适配数据驱动的全球天气预报模型Fuxi
    Fuxi是由复旦大学的研究人员开发的一个基于数据驱动的全球天气预报模型,主要由Cube Embedding、U-Transformer和全连接层构成。Fuxi摒弃了传统复杂的微分方程,转而通过多阶段机器学习架构,可提供15天的全球预报。时间分辨率为6小时,空间分辨率为0.25°。
  • 发布了文章6 月 15 日
    昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
    DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。SE3Transfor...
  • 发布了文章6 月 15 日
    基于昇腾适配Meta AI在Science正刊发表的蛋白质结构预测模型ESMFold
    ESMFold是由Meta AI团队开发的一种基于深度学习的高效蛋白质结构预测模型,其核心目标是利用大规模蛋白质语言模型(ESM)直接从氨基酸序列快速推断蛋白质的三维结构。ESMFold通过预训练的语言模型捕捉序列中的进化与结构关联性,结合几何优化模块生成高精度原子坐标...
  • 发布了文章6 月 13 日
    基于昇腾适配DeepMind团队发布的蛋白质结构预测模型OpenFold
    OpenFold是一种基于深度学习的蛋白质结构预测模型,广泛应用于蛋白质从头预测、功能位点解析、突变效应模拟等领域。该模型的核心目标是通过大规模预训练和多阶段优化,从氨基酸序列中高效、准确地推断蛋白质的三维结构。OpenFold结合了Transformer架构和几何优化模块...
  • 发布了文章6 月 13 日
    基于昇腾适配电力潮流计算模型PowerFlowNet
    摘要准确高效的潮流 (PF) 分析对于现代电网的运行和规划至关重要。因此,我们需要一种可扩展的算法,能够为小型和大型电网提供准确、快速的解决方案。由于电网可以理解为一张图,图神经网络 (GNN) 已成为一种颇具前景的方法,它通过利用底层图结构中的信息共享来提高...
  • 发布了文章6 月 13 日
    基于昇腾适配基因表达预测模型Geneformer
    Geneformer被广泛应用于疾病建模、治疗靶点发掘、基因网络预测与调控分析、基因功能预测与剂量敏感性分析、单细胞转录组数据集成与标准化、遗传变异解释与GWAS靶点优先排序。该案例既有算法原理,也有手把手的昇腾部署教学,包含细胞分类、基因分类、提取细胞嵌入图...
  • 发布了文章6 月 12 日
    昇腾AI4S图机器学习:DGL图构建接口的PyG替换
    DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
  • 发布了文章6 月 12 日
    OpenFold2.0 基于NPU的推理适配与测试
    1、报错 ImportError: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.29' not found (required by /home/openfold/anaconda3/envs/openfold_env/lib/python3.9/site- packages/numpy/fft/_pocketfft_umath.cpython-39-aarch64-linux-gnu.so)
  • 发布了文章4 月 12 日
    基于昇腾适配蛋白质序列模型ProteinMPNN
    ProteinMPNN(Protein Message Passing Neural Network)是一种基于深度学习的蛋白质序列设计模型,核心目标是解决“逆向折叠问题”(inverse folding problem),即根据给定的蛋白质三维结构,设计出能够折叠成该结构的氨基酸序列。ProteinMPNN在计算和实验测试中都有...
  • 发布了文章4 月 10 日
    基于昇腾适配肽性质预测模型PeptideBERT
    图1. PeptideBERT的模型架构。肽序列经过标记化处理,随后通过 ProtBERT 进行处理。接着添加一个多层感知机(MLP)的分类头用于微调过程。该模型分别在溶血性、防污性和溶解性三个不同的分类下游任务上进行单独训练。
  • 发布了文章2 月 12 日
    生物医药领域-分子对接SOTA模型洞察
    该洞察介绍了分子对接的作用过程、应用场景、分类,简要总结了现有分子对接软件的核心内容及评估指标。此外,调研了近两年发表的3种SOTA模型(KarmaDock、DiffBindFR、RosettaVS),对其具体细节、性能精度、应用领域等进行了分析说明,并总结了几点对未来工作的启示...
  • 发布了文章2 月 11 日
    AI4Science之分子材料成像调研洞察
    分子成像在材料科学中具有重要的意义。以位形空间成像为例,通过观察材料内部分子的分布和相互作用,可以辅助科研人员揭示材料微观结构和组成,研究材料的表界面性质,探索材料的动态变化和相变过程,评估功能材料的性能,指导新材料的设计和优化。分子成像技术与大...
  • 发布了文章2 月 10 日
    DGL(0.8.x) 技术点分析
    DGL为Amazon发布的图神经网络开源库(github)。支持tensorflow, pytorch, mxnet。如何初始化一个图:节点ID从0开始标号
  • 发布了文章2 月 7 日
    图机器学习调研洞察:PyG与DGL
    图神经网络(Graph Neural Networks,GNN)是人工智能领域最火热的课题之一,近年来,越来越多的研究机构和企业投入大量精力研究图神经网络,推出了自己的图学习引擎,并将其广泛应用在社交网络、电商推荐、欺诈检测、知识图谱等领域。目前,主流的开源图学习引擎有D...
  • 发布了文章1 月 27 日
    新手入门:DGL在昇腾上的安装问题
    首先需要确定下自己的硬件,在terminal中输入指令uname -a返回结果aarch64接着判断当前环境的python版本,在terminal中输入指令python --version返回结果Python 3.10.14可以判断需要安装aarch64的版本,如果使用whl包安装dgl,以该链接(data.dgl.ai/wheels/cu118/re...
  • 发布了文章1 月 27 日
    新手入门:DGL在昇腾上的安装问题
    首先需要确定下自己的硬件,在terminal中输入指令uname -a返回结果aarch64接着判断当前环境的python版本,在terminal中输入指令python --version返回结果Python 3.10.14可以判断需要安装aarch64的版本,如果使用whl包安装dgl,以该链接(data.dgl.ai/wheels/cu118/re...