MolE开源项目 – 化学基础模型

一项研究探讨大型语言模型（LLM）在科学发现中的表现，特别是GPT-4在多个科学领域的应用。该研究分析了GPT-4在药物发现、生物学和计算化学等领域的能力，评估其在复杂问题解决和知识整合任务中的有效性，同时进行专家驱动的案例评估和基准测试，旨在加速科学进步和优化资源配置。

SMI–TED是IBM开发的基于SMILES字符串的大型变压器编码器-解码器模型，专注于化学和材料科学研究。它预训练于PubChem的9100万SMILES样本（相当于40亿分子标记），支持分子属性预测、分子生成等任务，在量子属性预测等基准测试中表现优异。模型提供289M和8X289M两种参数规模，支持SMILES、SELFIES、3D分子图等多种表示形式，适用于学术研究和材料创新。

PocketFlow 是一种结合化学知识结构的自回归流模型，专门用于在蛋白质口袋内生成类似药物分子的分子生成模型。该模型具有创新的生物活性分子生成能力，能够帮助研究人员更高效地发现和开发新药物，并研究蛋白质与分子之间的相互作用。

PGD-MOO（Preference-Guided Diffusion for Multi-Objective Offline Optimization）是一种通过训练偏好模型引导扩散模型生成帕累托最优且多样化的设计方案的方法，特别适用于多目标离线优化问题。该方法在超体积指标上与传统方法相当或更优，在 ∆-spread 指标上显著优于其他方法，适用于药物发现等高成本、慢反馈的场景。

AlphaFold 3是由Google DeepMind和Isomorphic Labs开发的新型AI模型，能够准确预测蛋白质、DNA、RNA、配体等的结构及其相互作用，旨在改变我们对生物世界的理解和药物发现的方式。

OpenBioMed是一个Python深度学习工具包，专注于AI驱动的生物医药研究。它提供了灵活的多模态数据处理API，涵盖分子、蛋白质、单细胞、自然语言和知识图谱等多种数据类型。OpenBioMed集成了20多种工具，支持从传统AI药物发现任务到新兴的多模态挑战的广泛应用。此外，它还提供了易于使用的接口，用于构建工作流和开发基于大语言模型（LLM）的智能代理，以解决复杂的生物医学研究任务。

Bioptimus是一个开创性的AI工具，旨在为生物学和生物医学领域提供通用的AI基础模型，推动突破性发现和加速创新，帮助研究人员和专业人士简化复杂分析并增强预测能力。

这是用于大规模药物发现的AI模型构建和适配框架，通过提供特定领域的优化模型和工具，加速构建和适配生物分子AI模型的过程，帮助研究人员更高效地进行药物研发。

AIRS（Artificial Intelligence Research for Science）是由德克萨斯农工大学DIVE实验室发布的开源软件工具、数据集和基准测试的集合，旨在推动人工智能在量子物理、化学、分子模拟、药物发现和材料科学等科学领域的应用。

MAPE-PPI 项目旨在通过微环境感知的蛋白质嵌入技术，提升蛋白质相互作用预测的有效性和效率。该项目结合了深度学习和生物信息学，能够准确预测蛋白质之间的相互作用，为生物研究和药物发现提供重要支持。

Indian Wedding AI 是一款独特的AI生成器，帮助情侣通过定制的视觉效果、主题和概念来可视化他们梦想中的印度、巴基斯坦或南亚婚礼。

Pwnagotchi 是一个基于树莓派和 Bettercap 的设备，旨在通过被动或主动攻击收集可破解的 WPA 密钥材料。这些材料以 PCAP 文件形式存储，支持多种握手类型，包括 PMKID、完整和半 WPA 握手。该项目最初包含 AI 功能，但由于 AI 导致 Wi-Fi 固件不稳定，现已移除 AI 以提升设备运行时间和电池寿命。多个 Pwnagotchi 设备可以在物理上接近时相互通信，通过自定义协议广播信息。

Omi是一个专为财务和运营团队设计的AI驱动文档管理平台，帮助将所有合同集中管理，接收续约和待办事项通知，并支持合同和供应商的便捷搜索与协作。

Judi.jl是一个用于对向量、矩阵和张量表达式进行微分的库，支持高效的符号微分，提供简单易用的接口，适用于科学计算和机器学习领域的自动微分需求。

Quick Reference 是一个为开发人员设计的在线技术速查平台，涵盖了编程语言、命令、工具、数据库、前端开发、软件包管理等多个技术领域。它提供了简洁明了的速查表，帮助开发者快速查阅和使用各类技术，提升工作效率。无论是查找语法、命令用法，还是获取代码片段和工具参考，Quick Reference 都能提供实用的支持。