标签深度学习下的文章

手性相关

不对称催化反应底物(Substrate)：被催化剂作用的反应物底物-催化剂是不对称诱导的来源。手性信息主要储存在催化剂的配体上。只有当底物紧密地结合在催化剂的手性口袋里时，手性信息才会传递给底物。溶剂（Solvent）虽然影响溶解度和速率，但通常不提供手性环境（除非是手性溶剂，这很罕见）。氢气只是去

Code

文献阅读记录

Chemistry-informeddeeplearningmodelforpredictingstereoselectivityandabsoluteconfigurationinasymmetrichydrogenation项目本地位置：{/home/koalasinh/DeepLearning

Code

降维工具

专为AI4Science/ChemE设计的降维指南：从原理到Python通用模块实现，彻底搞懂什么时候用PCA，什么时候用TruncatedSVD。在AI4ChemE（化学工程人工智能）的研究中，我们经常面临“维度灾难”。无论是2048位的MorganFingerprints(ECFP)，还是图神经

Code

每日规划

2026年1月10日模块化我的GNN代码模型方面把KAN代码整理为：可以从任意数据集进行预测(动态根据填写的特征列名的数量决定有几个节点，而生成图的拓扑类型数量的逻辑不变、仍然自己写图的笛卡尔坐标逻辑，)特征工程方面（以反应图为基准）节点组分的特征：整理出mordred工具的一键式方案，RDKit分

Code

KANinnerGNN的工作规划

基于KAN设计的反应图神经网络模型用于预测ddG对映选择性0.baseline模型选择可能用到的模块：KAGNN模型中的KAN模块+分子图构建模块反应图logRRIM中的模块SEBlockACSD模型中的多尺度并行流动模块MPNN是同任务的模型：denmark课题组的文献模型洪鑫SEMG模型Chem

Daily

Image Graph傻傻分不清

最近在研究图神经网络（GNN）在图像处理中的应用，发现一个有趣的问题：ImageGraph和ImageGrid的区别到底是什么？它们在图像表示和处理上有何不同？本文将分享我的一些思考。TIPTip:Graph和Grid的基本概念Graph（图）:由节点（点）和边（连接）组成，可以表示任意结构的数据关

Code

我的现有方案

我目前使用的深度学习方案硬件配置自己的笔记本CPU:R9-9955hxGPU:5070TiLaptopMemory:32GBDDR5环境系统：Windows11+WSL2+Ubuntu22.04编辑器：VSCode虚拟环境管理：MiniForge+uvAI：Gemini+chatgpt文献管理：Ze

Code

模型可视化方法

本文收集了常用的深度学习模型可视化方法，按场景分为结构可视化、训练监控和可解释性三类。模型结构可视化原生PyTorch#打印模型结构print(model)#统计参数量total=sum(p.numel()forpinmodel.parameters())trainable=sum(p.numel(

Code

有用的文献大记录！

本文档用于记录一些有用的文献，方便日后查阅。课题组朋友们的文献2025ACSZhaoBHRGNN预测BH数据集产率2024ChemSelectZhaoPEMF-SPP预测BH数据集产率2025CJCWang多模态均相化学反应性能预测2025PIPWang机器学习增强钙钛矿太阳能电池稳定性：商业可行性

Code

ChemE数据集

介绍·B-HHTEdataset:Yielddatasetin%unitobtainedbyHTEapproachwith3955reactions,including15arylhalides,22additives,4Pdcatalysts,and3bases.·S-MHTEdataset:Yi

Code

实用网站AI4ChemE

实用的网站们数据集1.ORD(OpenReactionDatabase)一个开源的化学反应数据库ORD2.KAGGLE-著名的数据科学竞赛平台，可以找到各种数据集KAGGLE3.HuggingFaceDatasets-提供各种机器学习数据集的集合HuggingFaceDatasets预训练模型1.H

Code

拿来即用的脚本

这里收集一些自己平时写的拿来即用的脚本，方便以后查阅和使用。mordred理化参数(RF特征筛选rank100)这是我用mordred计算分子描述符后，用随机森林重要性排序筛选出的排名前100的理化参数特征，可以直接用于从csv文件中读取smiles列，计算分子描述符并筛选出前100个特征，保存为新

Code

实用pip包AI4ChemE

经常在看文献的时候发现一些巧妙的包，我想把他们搜集起来放在这里，方便以后查阅。1.RDKit——化学信息学库RDKit一个开源的化学信息学库，提供了分子操作、描述符计算和化学反应模拟等功能。安装命令：pipinstallrdkit2.mordred——分子描述符计算包mordred)，支持超过180

Code

深度学习虚拟环境搭建指南

工具：UV+MiniForgeUV是基于pip的轻量级python包管理工具，可以显著提升包安装速度（毫秒级）缺点是uv是面向包管理的，一个项目就是一个环境，导致占用空间较大。MiniForge是一个轻量级的Conda发行版，可以创建多个虚拟环境，无需嵌入到供项目中即可直接使用。完美弥补了uv的缺点