MindScience 0.1.0

Примечания к выпуску MindScience 0.1.0

Основные возможности и улучшения

MindSpore Elec

• Предоставляет нейронные сети, управляемые физическими законами и данными, для симуляции электромагнитных полей
• Поддерживает построение моделей геометрии CSG и обработку данных в форматах CAD
• Включает многомасштабное фильтрование и динамически адаптивный взвешенный потери для повышения производительности
• Предоставляет средства визуализации для электромагнитных полей и параметров рассеивания

MindSPONGE

• Предоставляет базовые наборы инструментов для молекулярной симуляции, включающие набор данных MSA, молекулярно обученную модель (предоставлена на платформе HUAWEI CLOUD) и молекулярную динамику.
• Набор данных MSA: множественные последовательности алгебраического выравнивания для исследований структуры и функции белков
• Молекулярно обученная модель: обучена на основе 1,7 миллиардов соединений, а её задачи второго уровня достигли уровня SOTA
• Молекулярная динамика: поддерживает основные функции молекулярной динамики, такие как NPT, NVT, NVE и минимизацию

MindChemistry

• Предоставляет подход к дизайну состава высокоэнтропийных сплавов: на основе модели генерации и ранжирования создаются кандидаты состава высокоэнтропийных сплавов и их ранги, что позволяет химикам ускорять проектирование новых материалов.
• Предоставляет модели прогнозирования энергии молекул: использует библиотеку-equivariant вычислений для обучения моделей прогнозирования свойств NequIP и Allegro, которые точно предсказывают энергию молекул на основе информации о атомах.
• Предоставляет модель прогнозирования электронной структуры: использует модель DeepHEnn, основанную на-equivariant нейронной сети E3, для прогнозирования Гамильтониана на основе структуры атомов.
• Предоставляет модель прогнозирования свойств кристаллических материалов: использует модель Matformer, основанную на графовых нейронных сетях и архитектуре Transformer, для прогнозирования различных свойств кристаллических материалов.
• Предоставляет библиотеку-equivariant вычислений: предоставляет базовые модули, такие как Irreps, сферические гармоники, а также удобные-equivariant слои активации и линейные слои для простого создания-equivariant нейронных сетей.

Участники проекта

Большое спасибо следующим замечательным людям:

yufan, gaoyiqin, wangzidong, yangkang, lujiale, shibeiji, liuhongsheng, liyang, wengbingya, chuhaotian, huangxiang, wangmin, niningxi, zhangxinfeng, yujialiang, qianjiahong, chenmengyun, yanglijiang, yangyi, huangyupeng, xiayijie, zhangjun, linxiaohan, chendiqing, gongyue, gengchenhua, linghejing, yanchaojie, suyun, wujian, caowenbin

Любые формы участия приветствуются!