SMI–TED开源 – IBM化学材料科学大型模型

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。

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。

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。

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。

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。

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。

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。

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。

使用sam和clip模型完成图像任意指定类别的实例分割，支持指定多个类别。该项目结合了SAM模型的高效实例分割能力和CLIP模型的类别识别能力，提供了一个用户友好的接口，适合各种计算机视觉应用。

ILLA Cloud 2.0是一个开源的低代码平台，配备React组件库，能够在几分钟内构建内部应用程序。它提供一系列现成的组件和数据库集成，使得创建AI工具、管理面板、仪表板等变得简单。用户可以实时协作，无论身处何地，快速实现项目目标。

Plat.AI 是一款预测分析软件，支持使用机器学习和深度学习算法构建和部署自定义模型，实现实时预测。它提供了自动化的模型构建平台，配备数据预处理工具、自定义建模解决方案和无代码建模能力。

BiPE (Bilevel Positional Encoding) 旨在通过双层位置编码技术，提高模型在处理不同输入长度时的预测能力，尤其适用于序列建模任务。该项目通过增强位置编码的表达力，从而改善模型在长文本和变长输入上的性能。

序列猴子是由出门问问（Mobvoi）推出的大型语言模型，旨在提供智能对话和语言理解服务。该模型具备多模态生成能力，涵盖知识、对话、数学、逻辑、推理和规划六个维度，支持文本生成、图像生成、3D内容创建、语音合成和语音识别等多种任务。序列猴子于2023年4月推出，定位为ChatGPT的竞争者，适合开发面向消费者、企业和创作者的AI解决方案。