- 博客(15)
- 收藏
- 关注
RSS订阅原创 大模型的幻觉与随机性
这篇文章探讨了大厂开发AI Agent时控制随机性的重要性，指出这是区分高级工程师与实习生的关键。文章将随机性容忍度分为高容忍（如科研假设生成、文本草稿拟定）和零容忍（如API参数组装、状态路由判断）环节。针对零容忍场景，提出三大工程加固手段：动态调整Temperature参数强制确定性输出、采用结构化输出硬约束确保数据格式准确、用程序化规则校验作为最终防线。这些方法通过技术手段在关键环节压制AI的随机性，确保系统可靠性，体现了工业级AI开发对确定性的严苛要求。
2026-07-20 17:20:25
237
原创 AI (Agent) 技术演进路线
AI技术演进经历了Prompt→Context→Skills→Harness→Loop/Graph五个阶段，从基础指令理解发展到复杂任务自主决策。关键趋势是：模型能力提升与工程架构相互促进，而非替代关系。越高级的自主智能体（如科研自动化场景），越需要图编排框架（LangGraph）来确保业务合规、安全可控。演进本质是将硬编码规则转化为动态路由节点，形成"模型智能+工程约束"的协同体系。未来技术栈将是底层模型提供认知能力，上层架构维持系统纪律的有机组合。
2026-07-20 17:19:07
216
原创 AIDD 分享 | MGPDB-Benchmark
最近在文献调研过程中，阅读了一篇发表在JCIM期刊上的来鲁华老师的一篇文献，题目为：Benchmarking Cofolding Methods for Molecular Glue Ternary Structure Prediction大概内容是共折叠方法对分子胶三元复合物预测的性能以及发布了一个MGPDB-Benchmark。
2026-02-01 21:24:36
653
原创 AIDD | Nature ： AI 围猎化学家？序言
怎么判断两个反应“像不像”？用 RDKit + Morgan fingerprint 表示反应用一个神经网络学习一个非线性距离度量输出一个 128 维的📌关键点不是简单按“反应名”分类而是学到底物 + 转化模式 + 反应机理层面的相似性👉 这是后面“专家划分”的数学基础。
2026-01-26 16:12:32
1059
原创 AIDD 分享 | PPI 3D 蛋白—蛋白（核酸、肽）相互作用的Web服务器
Voronoi tessellation（Voronoi 切分 / 泰森多边形）是一种空间划分方法把空间中每一个点（这里是原子）分配一个“地盘”，这个地盘里所有位置都离这个原子最近。在蛋白质结构中：每一个原子→ 一个 Voronoi cell两个原子的 Voronoi cell共享一块面（Voronoi face）说明这两个原子在空间上真正发生了接触（上图解释：因为是有限正方形区域，所以我们用边界直接截取得到边界交点。同时我们将边界交点和外心（黄色点）分别关联到对应的特定点。
2026-01-24 17:31:12
1066
原创 零门槛玩转AI找药！DrugCLIP保姆级操作指南
方法，将刚刚配体上传，应该是将基于配体位置自动识别口袋（也是之前说选择此方法要对接到正确到口袋的原因），根据文章中的描述原理，即使上传不同的配体，只要口袋正确且相同应该不会影响筛选得到的分子，即对于同一个口袋的Top分子将会是相同的（前提：同库）正确的专业的中肯的！方法，此方法应该上传的是无配体的pdb文件，输入配体的附近的口袋残基即可，pymol中即可查看对应配体的口袋残基。方法，此方法应该上传的是无配体的pdb文件，输入配体在pdb文件中的xyz位置，pymol中即可查看位置。
2026-01-17 18:15:34
3863
原创 AIDD 文章分享 | Science DrugCLIP 瞬间虚筛已实现？
针对无已知配体和复合物结构的 TRIP12 靶点，利用 AlphaFold 预测结构结合 DrugCLIP 筛选，17.5% 的候选化合物通过表面等离子体共振（SPR）验证为结合剂，其中两个化合物（E599-0223 和 G935-3912）展示出剂量依赖性的酶抑制活性，且无明显脱靶效应。面对数以万计的潜在靶点，如何在广阔的化学空间中快速筛选苗头化合物已成为该领域里的瓶颈。面对数以万计尚未被开发的潜在靶点，如何在广阔的化学空间中快速、精准地筛选出有潜力的苗头化合物，已成为新药研发的关键瓶颈。
2026-01-17 18:13:33
1122
原创 AI的人间清醒
这个问题没有绝对的“应该”或“不应该”。人生本质上是在约束中创造自由的艺术。关键或许不在于是否妥协，而在于：妥协是否经过清醒选择而非被动接受是否保持对最终目标的忠实是否能在过程中保持主体性和意义感最终，这个问题的答案存在于每个人独特的价值排序和情境考量中。明智的选择不是在理想与现实之间二选一，而是找到两者之间充满韧性的动态平衡——既不过于天真地拒绝现实条件，也不过于犬儒地放弃理想追求。为了理想而妥协，通常是必要的，甚至是成熟的表现。
2025-12-20 12:33:17
743
原创 AIDD笔记：片段拆分
再进行片段库设计的过程中发现得到的带有连接点的片段分子很难利用RDKit进行如下性质筛选，片段分子大体上遵循 “三原则” (Ro3)。。此外，自由旋转键 (Freely rotatable bonds) ≤ 3 和极性表面积 (PSA) ≤ 60 也通常被认为是 RO3 的标准。我们可以采取下面案例中的 方案二 来转化片段为分子，以实现基础性质筛选。例如阿司匹林，可以被分解为苯环，羧基、乙醛以及一个单独的氧原子，共四个常见类药片段的组合。图一、阿司匹林的片段化分解。
2025-09-16 10:27:57
730
原创 AIDD分享：MolGlueDB 分子胶数据库
分子胶降解剂（MGDs）和靶向蛋白质降解的蛋白质水解靶向嵌合物（PRO TAs）是两种显著的靶向蛋白质降解方法，都利用了泛素-蛋白酶体系统来诱导选择性蛋白质降解。为了促进MGDs的合理设计，我们推出了MolGlueDB，一个开放获取的基于网络的数据库，汇集了来自241篇文献的信息（2001年1月-2025年5月）。MolGlueDB包含1840条条目，包括1629种不同的MGDs、28种招募蛋白和94种靶标，涵盖了化学结构、结合亲和力、降解能力、生物活性和物理化学特性的全面数据。MolGlueDB可以在。
2025-08-30 14:03:30
619
原创 AIDD分享：ED2Mol
药物发现过程耗时长、成本高，传统高通量筛选（High-Throughput Screening, HTS）局限于有限库（10^4 到 10^10 化合物），难以发现新型骨架。从头设计可探索广阔化学空间（~10^60），但现有 DGMs（如 LiGANN、DeepICL、FLAG）存在问题：分子间可靠性差（结合姿势碰撞或重对接不稳定）、分子内可靠性低（几何扭曲、合成可及性 SA 差）和缺乏命中优化网络。
2025-08-29 15:19:59
1220
原创 片段分子生成综述From part to whole: AI-driven progress in fragmentbased drug discovery 笔记
作者：Jinhyeok Yooa, Wonkyeong Janga and Woong-Hee Shin原文大意：基于片段的药物发现（FBDD）是一种从小型分子片段设计候选药物的方法，相较传统高通量筛选具有更高命中率（10-30% vs 0.01-0.1%）和更广的化学空间探索能力。片段遵循“三法则”（分子量<300 Da，logP<3，旋转键及氢键供受体≤3），比“五法则”更严格，确保药物相似性，便于与靶蛋白结合及先导化合物优化。
2025-08-29 12:41:07
799
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