- 博客(8)
- 收藏
- 关注
RSS订阅原创 顶刊一作来袭！机器学习锂离子电池划时代巅峰，预判诺奖！
实战九：探讨如何将物理模型（如电池的电化学模型、热模型等）与机器学习模型相结合，利用物理模型的先验知识和机器学习模型的数据驱动能力，提高对电池状态的预测精度和可靠性，例如通过物理模型提供电池状态的初始估计，再利用机器学习模型对实际数据进行拟合和修正，实现对电池长期性能和寿命的准确预测。实战五：基于机器学习的锂金属正极材料的稳定性预测：选择合适的机器学习模型，如支持向量机、随机森林、集成学习、神经网络，使用适当的评估指标，如准确率、召回率、F1分数等，来衡量模型预测锂金属正极材料稳定性的性能。
2025-09-13 15:56:26
382
原创 顶刊一作！固态电池与锂离子电池神级操作，预定诺奖！
实操：利用Pymatgen/ASE结合Python脚本，从DFT计算结果中提取能量、结构、态密度等信息，并转换为机器学习可用格式。常见的材料特征描述符（晶格参数、元素属性、结构信息、局部环境）。实操：构建界面特征描述符：基于电极/电解质材料的晶体结构、元素组成、电子结构差异等。常用算法简介：线性回归、逻辑回归、支持向量机、决策树、随机森林、K-Means。实操：MP API的使用（通过Python查询材料结构、能量、电子性质等）。实操：模型评估（准确率、召回率、F1-score、混淆矩阵）与结果可视化。
2025-09-13 15:51:29
400
原创 打破传统光学 突破性进展频发Nature Science揭示光学未来新方向
2.3 CNN 与 RNN 结合网络模型预测纳米器件结构的吸收光谱。2.1 MLP 网络模型完成对8层球壳纳米材料的逆向设计。3.1 类人算法（HLA）实现 NPR 激光器的自动锁模。3.2 DELAY 强化学习算法实现激光器的自动锁模控制。2.2 SMTL 网络模型低维纳米结构的设计。2.2.5 光在电介质分界面上的反射和折射。2.4.1 光学衍射深度神经网络的局限性。1.5 深度学习光学设计的发展趋势与挑战。1.2 深度学习在成像光学系统的应用。2.2.6 光在金属表面的反射和透射。
2024-05-24 10:27:31
705
原创 蛋白质设计领域“鼻祖”David Baker的最新研究
Baker是预测和设计蛋白质三维结构方法的开创者，早在1998年由他主导设计的蛋白结构设计算法Rosetta就有了最初版本，远远早于时下大火的AlphaFold。他比DeepMind更早提出了预测和设计蛋白质三维结构的方法，甚至设计出了一款比AlphaFold更早的蛋白结构设计算法——RoseTTAFold。在过去，我们只能从漫长的自然演化中去等待新的蛋白质生成，而如今有了AI算法的加持，人类可以主动去“设计”蛋白质。这两年，AlphaFold成为了生物医药界的新贵，甚至获得了不少生物医药相关的科学大奖。
2024-03-28 09:59:11
1010
1
原创 当机器学习遇上分子动力学模拟能碰撞出怎样的火花
1. 使用mamba/conda配置虚拟环境，安装LAMMPS,OpenMM,DFTB,XTB,MDtraj,Obabel,ASE等软件。9. 使用MDtraj软件来分析经验力场，AIMD和机器学习分子模拟的RDF,MSD,以及键角和二面角的分布情况。2. 综合使用sobtop软件快速生成任意有机分子的GAFF力场参数文件，并使用OpenMM执行分子模拟。4.1 Nat. Commun.上高被引的NequIP模型的详解和代码框架。4. 综合使用LAMMPS和DeePMD模型执行高精度的分子动力学模拟。
2024-03-26 16:23:27
2162
原创 珍藏数十万人点赞史上最全的分子模拟教程
以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例。3.1水合作用在蛋白-配体相互作用中的意义及方法介绍。以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例。2.3蛋白-配体小分子表面图、静电势表示。1.蛋白-配体在分子动力学模拟的处理流程。2.1 openbabel的介绍和使用。2.2 chemdraw的介绍与使用。2.3共价药物分子与靶蛋白的共价对接。1. linux系统的介绍和简单使用。2.2分子动力学模拟的方法及相关程序。2.2蛋白与配体分子的收集与预处理。2.1金属酶蛋白-配体的背景介绍。
2024-03-26 16:12:03
772
原创 蛋白质设计这项研究频发Nature势不可挡
4. ProteinGenerator实现蛋白质骨架与序列的co-design。b) 深度学习模型可实现rosetta、alphafold不可完成的设计任务。5. Rosettafold AA实现多类生物大分子结构预测与生成。3. 蛋白-蛋白对接的强大——无先验知识的蛋白质药物设计流程。3. 几何约束的梯度下降法到端到端深度学习的蛋白结构预测。2. 基于统计势函数的蛋白质设计方法——Rosetta。8. 基于多肽蛋白复合物训练的深度学习多肽设计算法。1. AF2多体蛋白结构预测的关键问题与解决途径。
2024-03-26 16:03:47
1644
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人