随着以 ChatGPT 为代表的 AIGC（AI-Generated Content）技术的极速普及、以及 AI4S（AI for Science）从愿景走向流行，不同领域、不同背景的人们以一种前所未有的方式连接在了一起，共同经历着知识结构、技术体系、产业格局等方方面面的大重构。很多人开始问我们发起 NBHub 的初衷和整体思考、进而问如何更好地促进合作...

《动手学深度学习》常年占据中文版深度学习入门书籍榜首，豆瓣评分高达 9.4 分，至今已被全球 60 多个国家 400 多所大学用于教学，其 GitHub 开源项目累计已达 44.6k Stars。 书籍最大的特色是提供了完整的教程设施，包括诸如在线书籍、可运行的代码、视频教程以及交流社区等。在这一期中，我们为你带来了这一最强深度学...

ChatGPT 为全球用户提供了实时智能对话能力。尽管在国内使用存在一定困难，但我们带来了在 Bohrium 平台的解决方案。引用通过阅读我们为你准备的 Notebook，了解如何在国内方便快捷地使用 ChatGPT，以及使用其国内友好的 API 接口优化你的业务场景，全程免费！

在 Notebook 广场发现「生物信息学 Notebooks Collection」🤗边学边练，无需配置环境，仅需要专注于学习本身。依靠免费的 2 核 4G 计算资源，你可以在平台上直接运行和修改代码。直接轻松上手生物信息学！

分子动力学（Molecular Dynamics，MD）是一种通过模拟分子系统的运动来研究物质性质的计算方法，在材料、化学、生物医药等领域有着广泛的应用。

随着科学技术的飞速发展，光学显微镜、电子显微镜已经成为材料科学领域中关键表征手段，助你探索这个神奇的微观世界。然而，典型材料图像表征过程：从材料制备、到结构表征、以及后期图像分析与标注，均需要繁琐的人工完成（如下图），不仅效率低误差高，而且会遗漏掉众多微小拓扑结构的差异，无法全面理解材料的结构特...

最近，OpenAI “低调发布”了图像生成领域的一项工作 —— Consistency Model。 作者包括 AI 届当红 Star 宋飏，以及 “GPT 之父”、OpenAI 首席科学家 Ilya Sutskever。

随着产业发展和技术进步，我们发现越来越多不同背景的朋友们都开始关注和研究材料计算。譬如，拥有实验背景的研发人员希望通过计算模拟来优化实验方案，从而节省时间和资源；而 AI 领域的研究者则期待探究如何将人工智能应用于材料设计，以更高效地开发新型材料。同时，化学、物理和工程等领域的同学们也在关心材料计算...

分子体系的模拟中最重要的就是刻画体系势能函数、描述相互作用。在经典分子动力学模拟(CMD)中，势能函数遵循固定的数学形式，而分子力场即以数学函数的形式给出了分子间与分子内相互作用势。

近年来，深度学习已在各领域取得了显著的突破，如计算机视觉、自然语言处理和语音识别等。然而，传统的深度学习方法往往侧重于处理规则的、网格状结构数据，例如图像和文本。这些方法在处理不规则、非网格状的数据结构，如图（Graph）时，往往表现不尽如人意。而现实世界中，许多重要信息都是以图的形式存在，如社交网络...

在本教程系列中，我们精心设计了课程 Notebook。直接！一次性与大家分享机器学习中最常用的六个 Python 模块，包括 NumPy，Pandas，Matplotlib，Scikit-Learn，PyTorch 与 Tensorflow 的快速上手教程。

预训练模型正在席卷多个领域。从大规模无标注数据中提取表征信息，再在小范围标注的下游任务上进行监督学习，正在成为很多领域的事实解决方案。药物与材料设计领域的预训练模型如何构建与应用？让我们从 Uni-Mol@Notebooks 共同出发。

化学信息学是建立在多学科基础上的交叉学科，它运用计算机技术、统计学方法和化学知识，用以解决药物研发、材料设计、生物活性预测等方面的实际问题。我们熟悉的分子对接、QSAR、药效团识别等问题，都属于化学信息学的范畴。在 AI for Science 时代，化学信息学软件通过结合深度学习、机器学习等技术，实现了许多前所未...

在过去的几年里，人工智能 (AI) 领域取得了令人瞩目的进展，从无人驾驶汽车到 ChatGPT，再诸如围棋 Algha Go 和象棋等棋类游戏中击败世界级选手。这些突破背后的关键技术便是深度强化学习 (Deep Reinforcement Learning, DRL)。作为机器学习和人工智能研究的前沿领域，深度强化学习在许多领域的应用前景广泛，被认为是开...