薛定谔平台

Numerion Labs

AI 应用

#15

药物发现公司，基于机器学习平台寻找新型药物样小分子。该公司之前被称为Atomwise，使用化学基础模型、大规模枚举器和优化算法来搜索更大的化学空间，目前内部项目主要针对免疫和炎症疾病。Numerion Labs是一家药物发现公司，基于机器学习平台寻找新型药物样小分子。该公司之前被称为Atomwise，使用化学基础模型、大规模枚举器和优化算法来搜索更大的化学空间，目前内部项目主要针对免疫和炎症疾病。

Chai Discovery

AI 应用

#107

利用先进的人工智能预测和重新编程生化相互作用，从而加速和提高药物发现的精确度。他们的AI驱动平台支持领先的制药公司高效设计新药。Chai Discovery利用先进的人工智能预测和重新编程生化相互作用，从而加速和提高药物发现的精确度。他们的AI驱动平台支持领先的制药公司高效设计新药。

insitro

AI 平台

#89

专注于药物发现的开创性 AI 平台。通过利用机器学习和大规模数据，它旨在解码生物复杂性，更快、更高效地开发变革性药物。Insitro 是一个专注于药物发现的开创性 AI 平台。通过利用机器学习和大规模数据，它旨在解码生物复杂性，更快、更高效地开发变革性药物。

Variational AI

AI 应用

#21

利用生成式 AI 发现新颖的、类药物的小分子，用于早期药物发现。其 Enki™ 平台可优化化合物的效力、选择性和可合成性，使合作伙伴能够绕过命中识别阶段，直接进入具有独特化学结构的先导化合物优化阶段。Variational AI 利用生成式 AI 发现新颖的、类药物的小分子，用于早期药物发现。其 Enki™ 平台可优化化合物的效力、选择性和可合成性，使合作伙伴能够绕过命中识别阶段，直接进入具有独特化学结构的先导化合物优化阶段。

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。

Uni-Mol

AI GitHub 仓库

通用的三维分子表示学习框架，适用于属性预测和结合位点预测等各种下游任务。它包括 Uni-Mol+、Uni-Mol Tools、Uni-Mol Docking V2 和 Uni-Mol2，提供可扩展的预训练模型和易于使用的分子任务包装器。Uni-Mol 是一个通用的三维分子表示学习框架，适用于属性预测和结合位点预测等各种下游任务。它包括 Uni-Mol+、Uni-Mol Tools、Uni-Mol Docking V2 和 Uni-Mol2，提供可扩展的预训练模型和易于使用的分子任务包装器。

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。

Synthace

AI 应用

#44

Synthace 赋能发现生物学，消除实验设计和自动化中的障碍。它生成对 AI 至关重要的高维、情境化数据，加速研究进程并提供更深入的生物学见解。该平台提供软件、培训和专家支持，帮助科学家取得更快、更确凿的结果。