Skip to content
简体中文

切换主题

// 阶段 9 · 安全、评测与前沿

AI for Science 与各学科应用

图神经网络、AlphaFold、AlphaGeometry、自动化科研,与本站“AI × 学科”板块联动。

约 10 小时4 个算法3 篇论文正文编写中

01学习目标

建议先学:Transformer 与注意力 · 无监督学习:聚类、降维与 EM

02要掌握的算法

每张卡都有原始论文、前置和学习资料。

03必读论文

04课程与视频

05动手:项目、代码与练习

全部是官方或作者公开的免费页面,多数能在浏览器或免费 Colab 里直接运行。

动手项目

选择你所在学科的一个公开数据集,复现一个基线模型并写一页“AI 在本学科能做/不能做”的报告。

  1. 1
    DeepChem 官方教程 ↗可运行 Notebook

    跑分子性质预测和图神经网络教程。

  2. 2
    Deep Learning for Molecules & Materials(免费书) ↗书

    跟着《Deep Learning for Molecules & Materials》的可运行章节做练习。

06自测题

先自己想,再点开看答案。

GNN 每层做什么?

聚合邻居信息更新节点表示。

AlphaFold 2 的输入主要是什么?

氨基酸序列与多序列比对(及模板)。

AlphaGeometry 中语言模型负责什么?

提出辅助构造。

所在人群路线:各学科研究者

数据更新于:AI 算法图谱与课程体系(北京时间)