游客jnstwksgqnrgi_个人页

2025年06月

• 06.15 21:46:48
  发表了文章 2025-06-15 21:46:48

  基于昇腾适配Meta AI在Science正刊发表的蛋白质结构预测模型ESMFold

  ESMFold是由Meta AI团队开发的一种基于深度学习的高效蛋白质结构预测模型，其核心目标是利用大规模蛋白质语言模型（ESM）直接从氨基酸序列快速推断蛋白质的三维结构。ESMFold通过预训练的语言模型捕捉序列中的进化与结构关联性，结合几何优化模块生成高精度原子坐标，显著降低了传统方法对多重序列比对（MSA）和模板依赖的计算成本。该模型在蛋白质从头预测（de novo prediction）、功能位点解析、突变效应模拟等领域具有重要价值，以高效的推理性能，推动结构预测技术的普惠化应用。
• 06.15 21:22:53
  发表了文章 2025-06-15 21:22:53

  基于昇腾适配蛋白质序列模型ProteinMPNN

  ProteinMPNN是一种基于深度学习的蛋白质序列设计模型，核心目标是解决“逆向折叠问题”（inverse folding problem），即根据给定的蛋白质三维结构，设计出能够折叠成该结构的氨基酸序列。ProteinMPNN在计算和实验测试中都有出色的性能表现，不同位置的氨基酸序列可以在单链或多链之间偶联，从而广泛的应用于当前蛋白质设计上。ProteinMPNN不仅在天然蛋白质序列恢复率上面性能要高于传统的Rosetta方法，并且可以恢复先前设计失败的蛋白质。通过前沿AI技术突破科学研究的效率瓶颈，对于蛋白质工程、药物设计、酶设计等领域有极其重要的意义。

  
• 06.15 20:40:38
  发表了文章 2025-06-15 20:40:38

  基于昇腾适配基因表达预测模型Geneformer

  Geneformer被广泛应用于疾病建模、治疗靶点发掘、基因网络预测与调控分析、基因功能预测与剂量敏感性分析、单细胞转录组数据集成与标准化、遗传变异解释与GWAS靶点优先排序。该案例既有算法原理，也有手把手的昇腾部署教学，包含细胞分类、基因分类、提取细胞嵌入图、细胞多分类的微调任务

  
• 06.15 18:24:23
  发表了文章 2025-06-15 18:24:23

  基于昇腾适配DeepMind团队发布的蛋白质结构预测模型OpenFold

  OpenFold是一种基于深度学习的蛋白质结构预测模型，广泛应用于蛋白质从头预测、功能位点解析、突变效应模拟等领域。该模型的核心目标是通过大规模预训练和多阶段优化，从氨基酸序列中高效、准确地推断蛋白质的三维结构。

  
• 06.15 18:20:06
  发表了文章 2025-06-15 18:20:06

  基于昇腾适配数据驱动的全球天气预报模型Fuxi

  Fuxi是由复旦大学的研究人员开发的一个基于数据驱动的全球天气预报模型，主要由Cube Embedding、U-Transformer和全连接层构成。Fuxi摒弃了传统复杂的微分方程，转而通过多阶段机器学习架构，可提供15天的全球预报。时间分辨率为6小时，空间分辨率为0.25°。
• 06.15 18:17:37
  发表了文章 2025-06-15 18:17:37

  昇腾AI4S图机器学习：DGL消息传递接口的PyG替换

  DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库，它们在API设计和底层实现上有一定差异，在不同场景下，研究人员会使用不同的依赖库，昇腾NPU对PyG图机器学习库的支持亲和度更高，因此有些时候需要做DGL接口的PyG替换。
• 06.12 14:50:06
  发表了文章 2025-06-12 14:50:06

  基于昇腾适配电力潮流计算模型PowerFlowNet

  ai for science 、昇腾
• 06.12 00:11:16
  发表了文章 2025-06-12 00:11:16

  OpenFold2.0 基于NPU的推理适配与测试

  本教程详细介绍了 OpenFold 的环境搭建、代码部署、依赖安装、数据集准备及推理测试全流程。首先通过 Anaconda 创建 Python3.9 环境并配置相关库，接着克隆 OpenFold 代码仓库并安装必要依赖（如 PyTorch、dllogger、hhsuite 等）。随后准备 PDB 数据集与模型参数，调整脚本路径以适配运行环境。最后执行推理脚本完成测试，并针对常见报错提供了解决方案，例如更新 NumPy、SciPy 或调整 GPU 配置等，确保流程顺利运行。
• 06.11 23:43:59
  发表了文章 2025-06-11 23:43:59

  昇腾AI4S图机器学习：DGL图构建接口的PyG替换

  本文探讨了在图神经网络中将DGL接口替换为PyG实现的方法，重点以RFdiffusion蛋白质设计模型中的SE3Transformer为例。SE3Transformer通过SE(3)等变性提取三维几何特征，其图构建部分依赖DGL接口。文章详细介绍了两个关键函数的替换：`make_full_graph` 和 `make_topk_graph`。前者构建完全连接图，后者生成k近邻图。通过PyG的高效实现（如`knn_graph`），我们简化了图结构创建过程，并调整边特征处理逻辑以兼容不同框架，从而更好地支持昇腾NPU等硬件环境。此方法为跨库迁移提供了实用参考。

2025年04月

• 04.10 10:20:43
  发表了文章 2025-04-10 10:20:43

  PeptideBERT:基于Transformer用于肽性质预测的语言模型

  本文介绍了PeptideBERT模型及其在昇腾设备上的部署方法。PeptideBERT是一种基于Transformer架构的蛋白质语言模型，通过微调预训练模型ProtBERT，可预测肽的溶血性、溶解性和抗非特异性吸附性等关键性质。其输入表示包括词嵌入、物理化学属性编码和位置编码，并采用多头自注意力机制捕捉序列依赖关系。

2025年02月

• 02.11 19:43:46
  发表了文章 2025-02-11 19:43:46

  生物医药领域-分子对接SOTA模型洞察

  该文介绍了分子对接的作用过程、应用场景及分类，总结了现有软件的核心内容与评估指标，并分析了KarmaDock、DiffBindFR和RosettaVS三种最新模型的细节、性能和应用领域。研究指出，未来应关注模型长板特征，开发超大规模虚拟筛选平台以提升药物发现效率。
• 02.11 14:04:55
  发表了文章 2025-02-11 14:04:55

  AI4Science之分子材料成像调研洞察

  分子成像在材料科学中意义重大，通过位形空间、频率空间和光谱学等成像方法，揭示材料微观结构与动态变化。结合AI技术，可深入理解材料特性，解决能源、环境等问题。然而，该领域数据复杂，尚无统一的数据集和Benchmark，模型也处于初期阶段。本文从成像方法、任务类型、机器学习模型、数据集与Benchmark、Python工具包及通用模型等多个维度进行了调研，探讨了多模态数据利用、大规模数据集构建等关键问题，并列举了相关参考论文。
• 02.09 22:14:54
  发表了文章 2025-02-09 22:14:54

  DGL(0.8.x) 技术点分析

  DGL是由Amazon发布的图神经网络开源库，支持TensorFlow、PyTorch和MXNet。DGL采用消息传递范式进行图计算，包括边上计算、消息函数、点上计算、聚合与更新函数等。其架构分为顶层业务抽象、Backend多后端适配、Platform高效计算适配以及C++性能敏感功能层，确保高效、灵活的图神经网络开发。
• 02.07 19:42:34
  发表了文章 2025-02-07 19:42:34

  图机器学习调研洞察：PyG与DGL

  图神经网络（GNN）是人工智能领域的研究热点，广泛应用于社交网络、电商推荐、欺诈检测等。主流开源图学习引擎如DGL、PyG、GraphScope等在性能和社区活跃度上各有优劣。基于ogbn-products数据集的测试显示，DGL性能最优、内存占用最低，PyG次之。在AI for Science领域，PyG应用更广泛，尤其在小分子和晶体结构预测中表现突出。DGL采用Graph Centric方式，保留图结构；PyG则采用Tensor Centric方式，适合小图场景。

2025年01月

• 01.26 16:57:15
  发表了文章 2025-01-26 16:57:15

  新手入门：DGL在昇腾上的安装问题

  本文介绍了在aarch64架构和Python 3.10环境下安装DGL（Deep Graph Library）的过程。首先通过`uname -a`确认硬件架构，接着使用`python --version`检查Python版本。为确保兼容性，从指定链接下载适合的whl包或通过pip安装dgl。过程中遇到了torchdata版本不兼容的问题，通过降级torchdata至0.7.1版本解决。此外，针对NPU芯片适配，重新安装了与CANN 8.0.RC2兼容的torch和torch_npu组件。最终成功导入dgl包并准备进行模型训练验证。