DiffPool层次

DiffPool层次：图神经网络中的可微分池化与层次化表示学习深度解析目录导读DiffPool层次的核心概念：什么是可微分池化？它如何构建图数据的层次化表示？与传统图池化的区别：为什么DiffPool...

wen 2026-07-01 100

自监督图学习

这是一个非常前沿且重要的机器学习方向,自监督学习（SSL）旨在解决图数据中标签稀缺的问题，而图学习（如GNN）又高度依赖标签来学习节点/图的表示，下面我将为你系统地梳理自监督图学习的核心思想、主要方法...

wen 2026-07-01 69

最大化互信息

解锁数据关联与AI智能的核心算法目录导读什么是最大化互信息？核心概念与数学基础为什么互信息优于相关系数？三大本质优势最大化互信息在AI领域的典型应用场景实战案例：如何在Python中计算与最大化互信息...

wen 2026-07-01 97

对比损失InfoNCE

对比损失（Contrastive Loss）中的 InfoNCE（Info Noise-Contrastive Estimation）是自监督学习（特别是对比学习）中最核心的损失函数之一，它由 Oor...

wen 2026-07-01 103

药物虚拟筛选

药物虚拟筛选（Virtual Screening）是现代药物发现中一个关键的计算方法，它通过计算机模拟技术，从海量的化合物库中快速筛选出可能具有生物活性的候选分子，从而大幅降低实验成本，缩短研发周期，...

wen 2026-07-01 75

分子图生成

从拓扑结构到AI驱动的药物发现革命目录导读分子图生成的核心概念：定义、图论基础与化学表示技术方法演进：从规则驱动到深度学习模型（GAN、VAE、扩散模型）应用场景：药物分子设计、材料科学、逆合成分析关...

wen 2026-07-01 81

图生成模型

图生成模型是生成式人工智能在非欧几里得数据（图结构数据）领域的重要分支，它的目标不是生成图像、文本或音频，而是生成图形结构（由节点和边组成的数据），这与用生成模型（如GAN或扩散模型）生成一张图片完全...

wen 2026-07-01 89

蛋白质接触预测

从序列到结构的AI革命与未来方向目录导读引言：蛋白质结构预测的“第二战场”蛋白质接触预测是什么？为什么重要？深度学习如何颠覆传统预测方法？主流模型与技术路线对比（附问答）实战应用：从药物设计到突变分析...

wen 2026-07-01 56

AI辅助药物设计

AI辅助药物设计：从分子筛选到临床转化的颠覆性革命目录导读AI药物设计的核心逻辑 – 如何用算法取代“试错法”？关键技术栈 – 深度学习、生成模型与分子模拟如何协同？落地案例 – 从DSP-1181到...

wen 2026-07-01 73

分子动力学模拟

这是一个非常宏大且有趣的课题，分子动力学模拟（Molecular Dynamics Simulation, 简称MD）是现代计算化学、计算生物学和材料科学中最重要的研究方法之一，下面我为你系统地介绍分...

wen 2026-07-01 68