V
主页
京东 11.11 红包
张林峰:面向分子和配方设计的多级表示学习框架
发布人
Abstract: Recent advancements in AI have popularized the "pre-training/fine-tuning" paradigm in large model development, driving significant progress across various domains. In this context, we introduce a series of practices developed by our group, with a particular focus on Uni-Mol and Uni-ELF. Uni-Mol is a novel framework that significantly enhances molecular representation learning by integrating 3D structural information. Following pre-training, Uni-Mol can be fine-tuned for a variety of downstream tasks, including drug discovery and OLED material development, etc. Based on Uni-Mol, we can further extend to a representation learning framework at the mixture level, which leads to Uni-ELF, a foundation model for electrolyte formulation design. Based on these practices, we will envision how AI, simulation and experiments will be integrated in future research and development systems.
打开封面
下载高清视频
观看高清视频
视频下载器
基于物理的机器学习算法设计与在新材料的发现、理解、设计中的应用 谢天 MIT CSAIL 博士后
DeepH:深度学习DFT哈密顿量
Uni-Mol:在分子生成中的应用
鄂维南院士:再谈AI for Science
郑行:Uni-Mol分子3D表示学习框架和预训练模型
张林峰:AI for Science开源社区实践与思考
陈默涵:密度泛函理论计算流程
王一博:DeePMD上机实践
张与之:DeePMD原理介绍与上机实践
程俊:AI加速从头算电化学 AI2 Electrochemistry
王一博:主动学习训练(DP-GEN调用DFT生成训练数据集)
和同学们聊聊AI4S | AI 时代新科研范式如何高效助力研究实践
锂电池多尺度模拟及机器学习研究-陈翔博士
AI+分子模拟助力药物设计与材料研发
李贺:DeepH原理
刘锦程:机器学习力场在表面负载金动态催化中的应用
廖恒博士:人工智能的思考
王晓旭:AI for Science时代电池研发自动化设计与实践平台:Piloteye
王一博:DeePMD原理
周巍青:密度泛函理论与ABACUS简介
鄂维南:发生在当下的科技革命
张铎:DPA-2:基于预训练的机器学习势函数原理介绍及上机实践
郑大也:ABACUS使用基础
杨瑞鑫:DF-ODENet方法:框架介绍
杨满意:DP还能干这个?DP-GEN + 增强采样在稀有事件体系中的应用
胡晓光:飞桨框架核心技术与科学计算
胡素磊:机器学习加速物理规律发现
王锋:计算电化学在电解液材料中的应用
科学计算在钙钛矿型半导体材料中的应用 宋汝怿 杜克大学博士
ABACUS开发基础-提交PR和测试
中医基础理论——辽中医(全60讲 完整版)
宋珂:赛题理解及科学知识补充
张林峰:机器学习辅助的催化模拟:从多尺度到预训练
DeepFlame: 共建AI for Science时代的燃烧反应流体计算平台
顾强强:DeePTB原理讲解
陈默涵:ABACUS和基于机器学习的密度泛函
AI蛋白质设计福利教程:针对自己的实验数据,训练自己的神经网络
什么是性成瘾?危害有多大?
【中英双语】ChatGPT背后的数学原理是什么?带你看懂Transformer模型的数学矩阵实现!
陈俊敏:神经网络增强的可极化有机分子力场