GraphCast

Pangu-Weather

AI GitHub 仓库

基于 AI 的系统，用于精确的全球中期天气预报。它利用三维神经网络和分层时间聚合策略，达到比传统数值天气预报方法更高的精度，同时速度大幅提升。Pangu-Weather 是基于 AI 的系统，用于精确的全球中期天气预报。它利用三维神经网络和分层时间聚合策略，达到比传统数值天气预报方法更高的精度，同时速度大幅提升。

GluonTS

AI 框架

用于概率时间序列建模的 Python 包，利用基于 PyTorch 和 MXNet 的深度学习模型。它通过生成概率分布形式的预测（包括预测区间）来实现准确的预测，适用于复杂的时间序列分析。GluonTS 是一个用于概率时间序列建模的 Python 包，利用基于 PyTorch 和 MXNet 的深度学习模型。它通过生成概率分布形式的预测（包括预测区间）来实现准确的预测，适用于复杂的时间序列分析。

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。

LSTNet

AI GitHub 仓库

深度学习模型，专为时间序列预测而设计。它通过结合循环神经网络和卷积神经网络，有效地建模长期和短期时间模式。该模型对于复杂的时间序列数据特别有用。LSTNet 是一款深度学习模型，专为时间序列预测而设计。它通过结合循环神经网络和卷积神经网络，有效地建模长期和短期时间模式。该模型对于复杂的时间序列数据特别有用。

N-BEATS

AI GitHub 仓库

基于神经网络的单变量时间序列预测模型。由 ServiceNow Research 开发，它实现了 N-BEATS 算法以获得可复现的实验结果。该存储库提供了 PyTorch 实现、数据集加载器和用于高级时间序列分析的实验配置。N-BEATS 是一个基于神经网络的单变量时间序列预测模型。由 ServiceNow Research 开发，它实现了 N-BEATS 算法以获得可复现的实验结果。该存储库提供了 PyTorch 实现、数据集加载器和用于高级时间序列分析的实验配置。

Autoformer

AI GitHub 仓库

用于长期时间序列预测的 AI 模型，它利用分解 Transformer 和自相关机制。该模型在各种基准测试中取得了最先进的结果，为提高实际应用中的预测准确性提供了一种新颖的系列连接方法。Autoformer 是一款用于长期时间序列预测的 AI 模型，它利用分解 Transformer 和自相关机制。该模型在各种基准测试中取得了最先进的结果，为提高实际应用中的预测准确性提供了一种新颖的系列连接方法。

CGCNN

AI GitHub 仓库

晶体图卷积神经网络 (CGCNN) 是一种人工智能模型，旨在根据晶体结构预测材料属性。它使用户能够训练自定义模型或利用预训练版本进行属性预测，为材料科学的研究和开发提供了强大的工具。

图卷积网络（GCN）是一种专门用于处理图结构数据的神经网络。它将卷积神经网络（CNN）的概念推广到图结构数据，从而在半监督学习和图嵌入等领域实现强大的应用。该模型为分析复杂网络数据提供了一种新颖的方法。