AIRS开源项目 – 科学AI研究开源工具集

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。

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。

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。

MolE是一个面向化学的基础模型，结合几何深度学习和Transformer架构，用于学习分子的有意义表示。该模型通过两步预训练过程：首先使用约8.42亿分子的图表示进行自监督学习，然后进行大规模多任务训练来整合生物信息。MolE可用于分子性质预测、分子嵌入计算和相似性搜索等任务，广泛应用于药物发现和化学信息学研究。

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。

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。

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。

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。

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。

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。

SlideDeck AI 是一款利用生成式AI技术快速生成PowerPoint幻灯片的工具，旨在帮助用户节省时间和精力。它支持多种大型语言模型（LLM），如Mistral、Gemini和GPT-4o，并提供多种预设模板，用户可以根据需求自定义幻灯片风格。此外，SlideDeck AI 还支持离线模式，通过Ollama确保用户的数据隐私。

AHelp通过一系列AI驱动的工具，革新了写作、作业和研究任务的方式，旨在提升效率和准确性，适合学生、教育者和专业写作者。

LinkOut是一个工具，允许用户通过一键生成个性化的LinkedIn冷消息，从而提高连接率，优化发送消息的质量和数量。

OpenChat 是一个开源的聊天机器人控制台，旨在简化大型语言模型的使用。它通过两步设置过程，允许用户创建和运行类似 ChatGPT 的自定义聊天机器人，并将其嵌入和分享到任何地方。OpenChat 作为管理多个自定义聊天机器人的中心枢纽，提供了用户友好的界面和多种功能，支持多种语言和数据源集成。

Apollo Co-Pilot是一个创新的运动分析平台，利用AI辅助的视频分析为教练和运动员提供训练反馈。用户可以通过录制运动视频并上传至平台，获得即时的AI建议，从而优化训练效果。