Allegro

SchNetPack 文档

AI 模型

用于原子系统的深度学习 Python 库。它提供了一个灵活的框架，用于构建和训练神经网络势，使研究人员能够使用先进的 AI 模型进行模拟和分析分子性质。文档托管在 Read the Docs 上。SchNetPack 是一个用于原子系统的深度学习 Python 库。它提供了一个灵活的框架，用于构建和训练神经网络势，使研究人员能够使用先进的 AI 模型进行模拟和分析分子性质。文档托管在 Read the Docs 上。

MACE 机器学习势能

AI GitHub 仓库

用于快速准确的机器学习原子间势的 Python 库。它利用高阶等变消息传递进行先进的材料科学模拟。该工具支持训练、评估，并提供适用于材料和有机化学等各种应用的预训练基础模型。MACE 是一个用于快速准确的机器学习原子间势的 Python 库。它利用高阶等变消息传递进行先进的材料科学模拟。该工具支持训练、评估，并提供适用于材料和有机化学等各种应用的预训练基础模型。

MEGNet 框架

AI GitHub 仓库

专为晶体和分子机器学习设计的 AI 模型。它整合了温度和压力等状态变量，支持迁移学习，并能提取化学趋势。该框架通过提供开源代码和数据，解决了材料科学 ML 中数据量和可解释性等方面的局限性。MEGNet 框架是一个专为晶体和分子机器学习设计的 AI 模型。它整合了温度和压力等状态变量，支持迁移学习，并能提取化学趋势。该框架通过提供开源代码和数据，解决了材料科学 ML 中数据量和可解释性等方面的局限性。

NobleAI

AI 平台

#227

能源、化学和制造业提供基于科学的 AI 解决方案。该平台将复杂的工业数据转化为预测模型和可操作的见解。它通过结合物理学、化学专业知识和先进的机器学习，帮助公司加速产品开发、提高利润率并优化绩效。NobleAI 为能源、化学和制造业提供基于科学的 AI 解决方案。该平台将复杂的工业数据转化为预测模型和可操作的见解。它通过结合物理学、化学专业知识和先进的机器学习，帮助公司加速产品开发、提高利润率并优化绩效。

Graphormer - Microsoft Research

AI 模型

用于分子建模任务的深度学习包，可加速材料和药物发现的研究。它支持分子动力学和性质预测，并计划未来增强反应预测和大规模分子建模功能。在图级别预测任务上，其性能优于传统的图神经网络。Graphormer 是一个用于分子建模任务的深度学习包，可加速材料和药物发现的研究。它支持分子动力学和性质预测，并计划未来增强反应预测和大规模分子建模功能。在图级别预测任务上，其性能优于传统的图神经网络。

Physics Informed Machine Learning

AI YouTube 频道

#187

这个 YouTube 频道收录了数据驱动的科学与工程以及物理信息机器学习（Physics Informed Machine Learning）研讨会的视频。探索时间序列建模、深度学习以及从数据中发现动力系统等主题。内容面向科学计算和 AI 领域的研究人员与从业者。

ESMFold2 从氨基酸序列预测高分辨率、全原子 3D 蛋白质结构。它提供对单序列和 MSA 条件模型的开放访问，提高了对挑战性目标的准确性。

GNoME 材料发现

AI GitHub 仓库

Google DeepMind 的 GNoME 是一款加速新型无机晶体发现的深度学习工具。它能预测材料稳定性，识别出数百万种新型化合物，其中包括数十万种对电池和超导体等未来技术稳定且可行。