有效识别 63 万个三维空间构型,清华大学牵头发布 Uni-MOF 模型,预测 MOF 吸附能力

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

工业世界里,高纯气体被广泛应用于半导体制造、光纤生产、科学研究、医疗健康、环保能源等诸多领域。例如,半导体行业,高纯气体是芯片制造的关键原材料,直接影响着集成电路的性能和良率。

制备高纯气体的关键挑战便是气体分离,常见的气体分离方法有深冷法(精馏原理)、吸附法(分子极性**)、膜法(膜过滤)等。其中,金属有机框架 (MOFs) 由于具有高度有序的孔结构和可调节的孔径大小,在气体吸附存储与分离方面展现出巨大的应用潜力。相关人士预测,MOFs 对 21 世纪的重要性可能与塑料对 20 世纪的重要性一样。

然而准确预测 MOFs 吸附能力仍面临诸多挑战,针对这一问题,清华大学化工系卢滇楠教授团队,联合美国加州大学河滨分校吴建中教授和北京科学智能研究院高志锋研究员,近日在 nature communications 发布了题为「A comprehensive transformer-based approach for high-accuracy gas adsorption predictions in metal-organic frameworks」的最新论文。

本研究提出一种三维 MOF 材料吸附行为预测的机器学习模型 Uni-MOF,用于预测各类工况下纳米多孔材料对各类气体的吸附性能, 这是材料科学领域在机器学习技术应用方面的重大突破。

研究亮点:

  • Uni-MOF 框架是一种多功能解决方案,可用于在不同条件下预测 MOF 的气体吸附能力

  • Uni-MOF 不仅可以通过预训练识别和恢复纳米多孔材料的三维结构,还进一步考虑了温度、压力和不同气体分子等操作条件,这使得其既适用于科学研究又适用于实际应用

  • 通过利用其他气体的吸附数据,Uni-MOF 准确预测了未知气体的吸附性能

图片

论文地址:
https://www.nature.com/articles/s41467-024-46276-x

关注公众号,后台回复「吸附」获取完整 PDF

数据集:现有数据库 + 程序生成数据

本研究中,用于预训练的 MOF/COF 结构主要来源于两方面——从当前可用的数据库中收集,或使用相应的程序生成。

目前存在大量的 MOF/COF 数据库,包括计算合成的 hMOFs50 数据库,基于拓扑结构**的晶体构造程序 (ToBaCCo) MOFs,以及实验级别的 CoRE(计算就绪实验)MOFs51,CoRE COFs52 和 CCDC(剑桥晶体学数据中心)等。

此外,在线集成数据库 MOFXDB 中提供了超过 168,000 个 MOF/COF 结构。除了在材料库中探索纳米多孔材料外,研究人员还使用了 ToBaCCo.3.0 程序,生成了超过 306,773 个 MOF 结构。

对于下游任务,即 MOFs 对气体的吸附吸收,研究人员从 MOFXDB 等线上来源收集数据,形成了超过 240 万个 hMOFs 对五种气体 (CO2、N2、CH4、Kr、Xe) 在 273/298 K 和 0.01–10 Pa 条件下的吸附数据集,以及超过 46 万个 CoRE MOFs 对两种气体 (Ar、N2) 在 77/87 K 和 1–105 Pa 条件下的吸附数据集。

此外,研究人员还使用 RASPA54 软件进行了 Grand Canonical Monte Carlo (GCMC) 53 模拟,产生了另外超 9.9 万个气体吸附吸收数据集,其中 5 万个初始化循环和额外的 5 万个循环用于吸附容量样本。收集的吸附数据是在 150–300 K 和 1 Pa–3 bar 范围内获得的,考虑了 7 种气体分子 (CH4、CO2、Ar、Kr、Xe、O2、He)。

模型框架:预训练+多任务预测微调

Uni-MOF 框架包括对三维纳米孔晶体的预训练和在下游应用中进行多任务预测的微调。

图片

Uni-MOF 框架示意概览

在模型的预训练阶段, 研究人员实施了两类任务以提升模型性能。

第一类任务为预测被遮蔽原子的类型,即识别并预测在分子结构中被掩盖部分的原子种类。第二类任务为执行噪声下的三维坐标恢复任务,具体操作为在 15% 的原子坐标上引入范围在 [-1Å,+1Å] 之间的均匀噪声,进而基于这些受损坐标来计算空间位置编码。

这两类任务旨在增进模型对数据的抗干扰能力,从而在面对后续的预测任务时,提供更加精准的性能。

在微调阶段, 研究人员使用了约 3 百万个标记数据点,涵盖了 MOFs 和 COFs 在各种吸附条件下的情况,从而实现了吸附容量的准确预测。

通过跨系统目标数据的多样数据库,经过微调的 Uni-MOF 能够预测 MOFs 在任意状态下的多系统吸附性能,包括不同的气体、温度和压力。因此,Uni-MOF 是一个统一且易于使用的框架,可用于预测 MOF 吸附剂的吸附性能。

研究结果:Uni-MOF 框架在材料科学领域具有广泛应用

首先,研究人员验证了 Uni-MOF 的预测能力。

预测结果表明,当应用于具有充足数据和相对集中操作状态的数据库时,如 hMOF_MOFX_DB 和 CoRE_MOFX_DB,Uni-MOF 表现出非常高的稳健性,其 R² 值分别为 0.98 和 0.92。在分布广泛的数据集 CoRE_MAP 上,Uni-MOF 的预测精度达到 0.83,仍然可以实现出色的预测准确度,展示了其良好的泛化能力。

图片

Uni-MOF 在大规模数据库中的整体性能

其次,研究人员将 Uni-MOF 的预测结果与实验收集结果进行了比较。

研究人员发现,Uni-MOF 框架仅基于低压条件下的预测吸附容量,就能够准确筛选出高性能吸附剂。值得注意的是,其在低压条件下的许多预测值与实验值存在显著偏差,特别是在 Mg-dobdc 和 MOF-5 的情况下。但即便如此,在诸多材料之中,Uni-MOF 框架的预测准确度依然名列前茅,这使得其适用于解决工程挑战。

图片

基于低压预测和高压实验值的吸附等温线每条曲线表示 Langmuir拟合

第三,研究人员验证了 Uni-MOF 在跨系统特性方面的预测能力。

试验结果显示,Uni-MOF 在预测未知气体的吸附能力方面表现出了鲁棒性,对氪实现了 0.85 的高预测精度 (R²),对所有未知气体的预测精度均高于 0.35。与单一系统任务相比,Uni-MOF 框架在跨系统数据集上表现出了优越的性能,并且可以准确预测未知气体的吸附性能,显示出其强大的预测能力和普适性。

图片

Uni-MOF 跨系统预测案例

另外,为评估该模型在结构识别方面的能力,研究人员以 hMOF-5004238 为例分析了材料结构内部的原子间相互作用力,证明 Uni-MOF 在识别超过 63 万个三维空间构型及其原子间连接关系上的有效性, 突显了该模型的通用性和广阔的应用前景。

总而言之,Uni-MOF 框架是 MOF 材料的多功能预测平台,作为 MOFs 的气体吸附预测器,它在预测各种操作条件下的气体吸附中表现出高精度,并在材料科学领域具有广泛的应用。更重要的是,Uni-MOF 在材料科学领域的机器学习技术应用方面取得了重大突破。

发现—设计—优化,AI 全面加速材料科学

材料科学是一门关乎发现、设计和制造新材料的重要学科,其在各个领域都具有极其重要的作用。从医疗保健到能源储存,从环境保护到信息技术,材料科学的发展对于解决当今社会面临的各种挑战至关重要。

随着技术的不断进步,我们正处于一个材料科学革命的时代,新材料的涌现为人类提供了解决问题的新途径和新工具。随着对材料特性和结构的深入理解,我们有望创造出更轻、更坚固、更节能的材料。

人工智能技术可以加速新材料发现、提升材料性能、降低研发成本,近年来在材料科学领域呈现出巨大的应用潜力。

材料发现与设计:

人工智能技术可以通过高效的数据挖掘和模式识别,加速新材料的发现和设计过程。例如,利用机器学习算法可以对大量已知材料的结构和性能进行分析,从而预测出具有特定性能的新材料。这种方法可以大大缩短材料筛选的时间,并降低试验成本。

2023 年 11 月底,Google DeepMind 在 Nature 杂志发表了论文称,开发了用于材料科学的人工智能强化学习模型 Graph Networks for Materials Exploration (GNoME),并通过该模型和高通量第一性原理计算,寻找到了 38 万余个热力学稳定的晶体材料,相当于「人类科学家近 800 年的知识积累」,极大加快了发现新材料的研究速度。

(点击查看详细报道:DeepMind 发布 GNoME,利用深度学习预测 220 万种新晶体)

材料性能预测:

人工智能技术可以建立高效的预测模型,用于预测材料的性能和行为。这些模型可以基于大量的实验数据或模拟结果进行训练,从而提供对材料性能的准确预测。例如,利用机器学习算法可以预测材料的力学性能、热学性质和电子结构等,为材料设计和应用提供重要参考。

材料优化和设计:

人工智能技术可以通过对材料结构和性能进行智能优化,提高材料的性能和稳定性。例如,利用强化学习算法可以在材料制备过程中实现自动优化,从而实现材料性能的最大化。

材料工艺控制与监测:

人工智能技术可以用于优化材料制备过程,并实现对材料生产过程的智能监测和控制。例如,利用机器学习算法可以分析材料制备过程中的各种参数和条件,优化工艺流程,提高生产效率和材料质量。同时,人工智能技术还可以实现对材料生产过程的实时监测和预警,帮助提前发现和解决潜在问题,降低生产风险。

人工智能技术在材料科学领域的应用已经取得了一系列重要进展,为材料的发现、设计、优化和制备提供了新的思路和方法。未来,科学家们可以利用AI技术更好地预测材料的性能、模拟分子的结构、优化材料的设计、探索材料的性质等等……从而持续推动材料科学领域的进步和创新。

参考资料:
1.https://www.nature.com/articles/s41467-024-46276-x#Sec11
2.https://www.sohu.com/a/753459278_661314
3.https://www.tsinghua.edu.cn/info/1175/110086.htm

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1323

有机晶体数据库_南开「综述」模板效应在金属有机框架材料(MOFs)中的应用...

金属-有机框架材料(Metal-Organic Frameworks, MOFs),是由金属离子或金属簇与有机配体通过配位自组装形成的晶态多孔材料,具有孔隙率高、高比表面积、孔径可调、易于后修饰等优点。在气体存储、气体分离、催化、分子识别、药物传输等领域有着广阔的应用前景。该论文总结了近年来模板效应在MOFs材料中的主要应用:(1)模板法合成MOFs;(2)MOFs作为模板合成客体分子。图一:模板...

weixin_39616686的博客 2208

Nginx健康检查实战:如何用第三方模块提升服务可用性(附详细配置)

本文深入探讨了如何通过集成第三方健康检查模块来提升Nginx的服务可用性。文章对比了Nginx默认被动检查的局限性,并详细介绍了主动健康检查的核心优势、主流模块选型,以及以nginx_upstream_check_module为例的实战部署与配置指南,帮助运维人员构建更可靠的负载均衡架构。

weixin_28331555的博客 308

【亲测免费】 QMOF:量子化学性质数据库,加速材料发现

QMOF(Quantum MOF)数据库是一个公开可用的数据集,包含超过20,000个金属-有机框架(MOFs)和配位聚合物的量子化学性质,这些数据是通过高吞吐量周期性密度泛函理论(DFT)计算得到的。所有的MOFs都经过DFT优化,并来源于多种母数据库,包括实验和假设性的MOF数据库。 QMOF数据库不仅提供了丰富的数据资源,还为材料科学家和研究者提供了一种高效的方法来探索和发现新型材料。 ...

gitblog_00268的博客 1361

LAP-D协议概述

Q.921协议由称为LAPD(链路访问协议-D通道),与HDLC的关系密切,它是在ISDN D通道上使用的数据链路协议。 注:http://www.freesoft.org/CIE/Topics/125.htm LAP-D的帧格式 标志、位填充技术和FCS校验计算与HDLC一致。 16位的地址包括C/R字段、SAPI(服务访问点标识)和TEI(端点标识)。TEI用于区分使用相同ISDN...

系统运维 1915

深入解析基于Fluent的蒸发冷凝相变UDF程序及其在重力热管液体蒸发冷凝变化计算中的应用

ANSYS Fluent是一款功能强大的CFD软件,广泛应用于流体流动、传热、化学反应和多相流等领域的数值模拟。Fluent提供了丰富的物理模型和求解器,支持用户自定义函数(UDF)以扩展其功能,实现更为复杂和特定的模拟需求。UDF是用C语言编写的程序,允许用户在Fluent中自定义物理模型、边界条件、源项等,以实现特定的模拟需求。在处理复杂的相变过程、非均匀物性参数或特定的热传导机制时,UDF提供了极大的灵活性和扩展性。

qq_38334677的博客 1266

有效识别 63 万个三维空间构型,清华大学牵头发布 Uni-MOF 模型,预测 MOF 吸附能力...

本文约3500字,建议阅读7分钟 本研究中,用于预训练的 MOF/COF 结构主要来源于两方面——从当前可用的数据库中收集,或使用相应的程序生成。清华大学化工系卢滇楠教授团队,联合美国加州大学河滨分校吴建中教授和北京科学智能研究院高志锋研究员,提出一种三维 MOF 材料吸附行为的机器学习模型 Uni-MOF,用于预测各类工况下纳米多孔材料对各类气体的吸附性能。工业世界里,高纯气体被广泛应用于半导体...

数据派THU 614

手把手教你学Simulink——基于自动驾驶辅助系统的场景实例:车道保持辅助系统(LKA)的仿真与实现

本文通过Simulink实例讲解车道保持辅助系统(LKA)的实现方法。首先介绍LKA从预警到主动控制的技术演进,阐述其系统架构、核心组件和工作原理。重点演示基于自行车模型的车辆横向动力学建模过程,以及使用线性二次调节器(LQR)设计横向控制器的详细步骤。教程包含四个仿真场景测试,分析关键指标如控制精度、舒适性和响应性。最后探讨LKA技术的发展方向,强调人机协同的安全理念。该实例为自动驾驶辅助系统开发提供了完整的Simulink实践方案。

MHD0815的博客 182

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 338

基于电能质量治理的场景实例:统一电能质量调节器(UPQC)与并网逆变器集成

本文通过Simulink平台,详细演示了统一电能质量调节器(UPQC)与并网逆变器的集成系统建模与仿真过程。主要内容包括:1)系统架构设计,包含光伏并网系统、非线性负载和电压扰动源;2)UPQC主电路设计,包括串联/并联单元拓扑和控制策略实现;3)与并网逆变器的能量交互与协同控制逻辑;4)典型电能质量问题的仿真测试场景。结果表明,该集成系统能有效治理电压暂降(维持负载电压380V±2%)和电流谐波(电网THD<3%),直流母线电压稳定在800V±5V。该系统为应对复杂电能质量问题提供了"电压

xiaoheshang_123的博客 310

【2025年华为秋招(AI)-11月19日-第二题(200分)- 终端款型聚类识别】(题目+思路+Java&C++&Python解析+在线测试)

该摘要总结了题目要求、输入输出格式、KMeans算法的实现步骤以及关键点。以下是150字内的摘要: 本文提出基于KMeans算法对终端型号进行聚类的方法。通过包间隔时长、连接持续时长、漫游前后信号强度4个特征,使用欧氏距离度量相似度。算法采用固定初始化策略(前k个样本作为初始质心),经过分配-更新迭代,直至质心移动小于1e-8或达到最大迭代次数。最终输出各簇样本数并按升序排列,解决了终端型号自动分类问题。示例显示该方法能有效识别3-4类终端,并准确统计每类数量。

m0_73659489的博客 141

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 276

Midscene.js(2):代码集成 + 桥接模式(Bridge Mode)的使用「喂饭教程」

本文将手把手教你从零开始搭建一个 Node.js 项目,集成 Midscene.js,并利用其桥接模式实现对 Chrome 浏览器的自动化操作。我们将通过具体的实例,来展示 Midscene.js 的便捷性与 AI 能力的结合。

blues_C的博客 1847

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 615

基于Python的网贷平台数据爬虫实战:Scrapy+Selenium+反反爬策略

python复制下载# items.py本文详细介绍了如何使用Python构建一个完整的网贷平台数据爬虫系统,涵盖了从基础爬取到高级反反爬策略的全套解决方案。我们使用了Scrapy框架作为基础,结合Selenium处理动态内容,实现了多种反反爬策略,并探讨了分布式爬虫的实现方式。机器学习识别验证码基于深度学习的网页结构变化检测自动化行为模拟的更精细控制基于Kubernetes的弹性爬虫集群。

2201_76125261的博客 1560

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 207

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 343

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 349

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 85

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 161

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 513

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 617

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

406

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 401

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5163

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 568
上一篇: 超全大模型资源汇总|30 个优质 NLP 数据集和模型,一键使用 8 个 demo,建议收藏!
下一篇: 内含教程丨最高可降低 16 倍成本,ComfyUI Stable Cascade 教程已上线,一键部署!
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值