- 博客(12)
- 收藏
- 关注
RSS订阅原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（十二）
【代码】山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（十二）
2024-06-24 07:13:46
66
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（十一）
在前台集成chathome的条件下开发聊天管理功能。存储了用户id、聊天内容和时间。
2024-06-24 07:02:20
365
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（十）
由于开发了较多小的前端功能点，且前端各个页面并不完全和谐，于是，本周主要对前台页面进行调整和美化。包括smiles输入框和对整体样式的色彩调整、布局调整和效果渲染。
2024-06-24 06:56:24
156
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（九）
1.为了在前端展示论文多种相关数据，这里开发了论文的数据管理，是对之前阅读文献的整理和对相关领域论文的检索和收集，展示较为充足的数据量。2.在前台集成chathome的条件下开发聊天管理功能。包括论文的题目、作者、摘要、图片、pdf链接属性。存储了用户id、聊天内容和时间。
2024-06-24 06:48:21
110
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（八）
是一个涉及毒理学研究的倡议和项目。Tox21计划旨在开发和验证新的高效毒理学测试方法，以更快速、更有效地评估化学物质的。在药物研究中，HIV通常用于评估药物对HIV感染和复制的抑制能力，可能是针对。：是一个数据库，收集了药物使用过程中可能发生的不良反应信息。在药物研究中，通常用于评估。：是指药物在临床试验中可能引起的毒性反应或不良反应。为了配合前台的“使用说明”页面，编写了性能分析的管理。：是一个计划和平台，通过高通量筛选技术来预测化学物质的。，这些抑制剂被研究作为阿尔茨海默病的潜在治疗药物。
2024-06-24 06:37:34
192
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（五）
在上周制定了前端美化需求之后，我们希望整个前端界面是丝滑的、对用户操作友好的。于是，我先从头部样式设计开始，确定整个项目的整体基调。
2024-05-31 00:00:09
211
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（四）
我和另一个队友进一步构想如何实现在一个vue项目中嵌入一个chatbot的集成框架。通过拿着一个测试页面，发现奏效。
2024-05-30 22:28:12
206
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（三）
本周在已经搭建好的前后端框架上，站在用户的角度分析设计需求，进一步完善了DrugLLM系统的功能和非功能性需求，并在前端页面上做了进一步的美化。：DrugChat利用NLP技术来理解用户输入的自然语言，通过分词、词性标注、命名实体识别等技术，将用户提出的问题或输入的信息转化为计算机可以理解和处理的形式。：DrugChat模型采用机器学习和深度学习技术来不断优化其性能，通过大量的数据训练模型，使其能够更准确地理解用户输入，并提供更精准的药物信息和建议。这可以通过工具自动化实现，例如Webpack的。
2024-04-22 16:25:53
516
1
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（二）
此外，解码器还引入了“编码器-解码器注意力”子层，使得在生成法文单词时，能够直接聚焦于与之对应的英文输入序列中最具相关性的部分，如在生成“monde”时重点参考“world”的表示。这种设计使得模型能够并行处理输入序列中的所有元素，极大地提高了训练速度和计算效率。Transformer凭借其创新的多头自注意力机制、自回归解码结构以及强大的并行计算能力，成功克服了传统序列模型在处理长距离依赖时的局限性，极大地提升了翻译质量和训练效率，为自然语言处理领域的模型设计树立了新的标杆，并启发了一系列后续研究与应用。
2024-04-13 18:59:26
1234
原创 山东大学软件学院创新项目实训DrugLLM-基于大语言模型的药物分子性质分析平台（一）
训练过程中采用指令微调策略，将一般知识和分子优化领域的数据混合，并采取一定的比例复制较少的数据类别以达到平衡，从而有效缓解模型在微调阶段的灾难性遗忘问题。当模型提供的分子未能完全满足要求时，它能够根据人类提供的符合标准的示例纠正错误并生成新的合规分子，这凸显了DRUGAssist在现实世界中辅助研究人员不断调整和优化分子结构的巨大潜力。③多模态融合：部分研究探索结合分子的结构、性质和上下文文本信息，构建多模态分子语言大模型，以提升模型的理解和推理能力。，旨在推动未来LLMs在药物发现领域应用的研究进展。
2024-04-08 15:20:16
1196
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人