首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

无人轻卡迎来重磅玩家:185万公里商用里程打底,纯电轻卡助力全流程无人装卸运输

邓思邈 发自 凹非寺 量子位 | 公众号 QbitAI 无人驾驶货运再添新玩家: 驭势科技,带着无人新能源轻卡K10,正式入场。 不仅应用场景广、工作范围大、运载能力强,而且足够酷炫智能—— 标配L4级自动驾驶,激光雷达、摄像头、高精度GPS、碰撞传感器统统配齐,安全被摆在了最高位置。 无需安全员,真正把人从驾驶中解放出来,真正实现降本增效。 这家成立6年的自动驾驶公司,在率先达成185万公里的真无人商业运营里程之后,用通用技术打通了又一新场景。 驭势是谁?它凭什么有这样的底气?又有着怎样与众不同的玩

02

J. Chem. Inf. Model. | 基于片段的药物设计和化合物结合评估的网络应用程序

今天为大家介绍的是来自John L. Kulp, III团队的一篇论文。基于片段的药物设计利用关于小化学片段如何以及以多大强度与蛋白质结合的数据,以构建新的药物分子。在过去的十年中,作者已经成功地在数十个临床前药物项目中使用了来自热力学的蒙特卡洛片段-蛋白结合模拟的片段数据。然而,由于模拟和设计工具的成本和复杂性,这种方法尚未为更广泛的研究社区所使用。作者开发了一个名为BMaps的网络应用程序,以大大简化的用户界面使基于片段的药物设计广泛可用。BMaps提供了对一个大型存储库(>550个)的蛋白质和数百个预计算片段地图、可药用热点和高质量水分布图的访问。用户还可以使用自己的结构或来自ProteinBank和AlphaFold DB的结构。BMaps在一个非常易于使用和自动化的网络应用程序中将传统工具与基于片段的设计相结合。

01

“北大-鹏城-腾讯”新视角:从势能的角度探讨模型的可迁移性-ICCV2023开源

随着大规模数据集预训练模型的广泛应用,迁移学习已成为计算机视觉任务中的关键技术。但是,从大量的预训练模型库中为特定下游任务选择最优的预训练模型仍然是一个挑战。现有的方法主要依赖于编码的静态特征与任务标签之间的统计相关性来测量预训练模型的可迁移性,但它们忽略了微调过程中潜在的表示动力学的影响,导致结果不可靠,尤其是对于自监督模型。在本文中,我们从潜在能量的角度提出了一种新颖的方法——PED,来解决这些挑战。我们将迁移学习动力视为降低系统潜在能量的过程,并直接对影响微调动力学的相互作用力进行物理学建模。通过在物理驱动模型中捕获动态表示的运动来降低潜在能量,我们可以获得增强和更稳定的观测结果来估计可迁移性。在10个下游任务和12个自监督模型上的实验结果表明,我们的方法可以顺利集成到现有的优秀技术中,增强它们的性能,这揭示了它在模型选择任务中的有效性和发掘迁移学习机制的潜力。我们的代码将在https://github.com/lixiaotong97/PED上开源。

04
领券