由于GNN在捕获领域信息有优势,而局部连接的图缺乏捕捉原子之间长距离相互作用的能力。作者认为长距离信息更有用,因此选择Transformer 作为 Uni-Mol 中的主干模型。因为它完全连接了节点/原子,因此可以学习可能的长程相互作用。 整体结构概述 如图2 所示,Uni-Mol 主干是基于 Transformer 的模型。它有两个输入...
除了 QC 性质预测外，Uni-Mol+ 还可以预测平衡构象。虽然该研究主要集中在 QC 属性预测上，并且证明了 Uni-Mol+ 的有效性，但可视化的结果可以帮助更好地理解 Uni-Mol+ 的工作原理。因此，研究人员还为 PCQM4MV2 数据集中 Uni-Mol+ 的构象学习提供了两个额外的分析。第一个分析评估预测的构象。如图 2 所示，...
从表中可以看出,研究团队提出的Uni-Mol+在MAE和EwT两个方面都显著优于之前的所有基线方法,表现出卓越的性能。特别值得注意的是,Uni-Mol+方法在所有类别中都取得了最低的MAE值,包括域内(ID)、域外吸附(OOD Ads.)、域外催化(OOD Cat.)、域外综合(OOD Both)和平均(AVG)分类。此外,在EwT指标上,Uni-Mol+也...
深势科技团队基于 Uni-Mol 框架,利用了近160万个分子的结构信息及半经验计算结果预训练,再使用约1500个量子化学计算数据进行微调,得到DFT 级别精度的预测模式(r>0.9),其推理速度比传统 DFT 方法快10,000,000倍。Uni-Mol 强大的预测能力极大节省了的计算成本,仅用半小时就实现在量子化学精度下百万级有机配合物数...
三维MRL框架Uni-Mol由三个部分组成，基于Transformer的骨干处理3D数据、学习分子表征和口袋表征的预训练模型、以及面向各类下游任务的微调策略。目前，Uni-Mol可以做任务有三类。分别是小分子，蛋白口袋，以及蛋白跟小分子结合的复合物。蛋白质与配体结合的预测，是基于结构的药物设计中最重要的任务之一。Uni-Mol结合了...
Uni-Mol 性能优越、模型泛化能力强，在小分子性质预测、蛋白靶点预测、蛋白-配体复合物构象预测、量子化学...
商标名称 UNI MOL 国际分类 第42类-网站服务 商标状态 - 申请/注册号 68143827 申请日期 2022-11-04 申请人名称(中文) 北京深势科技有限公司 申请人名称(英文) - 申请人地址(中文) 北京市海淀区海淀东三街2号14层1401 申请人地址(英文) - 初审公告期号 - 初审公告日期 - 注册公告期号 - 注册公告日期 -...
L'App Unimol è l'applicazione ufficiale dell'Università degli Studi del Molise. L'App è stata realizzata con il contributo degli studenti del Corso di Laurea di…
UNIMOL润滑脂是机械设备的重要润滑材料,能有效减少磨损,提升设备运行效率。店内嘉实多品牌UNIMOL润滑脂,倾点-35℃,闪点230℃,40℃运动粘度为1,国产优质产品,比重0.89,粘度等级32,Tribol系列,规格有16公斤和180公斤两种,粘度指数高达173。该款润滑脂性能稳定,适用范围广。若您在选用润滑脂时有任何疑问,或需要进一步的...
Medium-low contributions. Medium-high contributions. High contributions. More 2025 2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 Contribution activity March 2025 unimol has no activity yet for this period. LoadingShow more activity