deepchem
نگهدارنده k-dense-ai
یادگیری ماشین مولکولی با DeepChem
- نسخه فعلی
- نامشخص
- مجوز
- MIT license
- دسترسی شبکه
- نامشخص / ارزیابینشده
- وضعیت بررسی
- تأیید نشده
چه مسئلهای را حل میکند؟
پیشبینی ویژگی مولکول به featurization، representation و benchmark مناسب نیاز دارد.
چه زمانی مناسب است؟
برای molecular property prediction، ADMET، toxicity، traditional ML/GNN، MoleculeNet یا pre-trained model استفاده شود؛ برای graph-first PyTorch از torchdrug و dataset benchmark از pytdc استفاده شود.
برای property prediction مانند ADMET/toxicity با ML سنتی یا GNN، featurizerهای متنوع، MoleculeNet benchmark و experiment سریع با pre-trained model به کار میرود.
نصب و بهروزرسانی
این دستورها فقط برای کپی نمایش داده میشوند و روی سرور RefHub اجرا نمیشوند. پیش از اجرا، منبع بالادستی پیوندشده را بررسی کنید.
دستور نصب
npx skills add k-dense-ai/scientific-agent-skills --skill deepchem -yسازگاری با ایجنتها
هنوز تست سازگاری ثبت نشده است
تا وقتی شواهد تست ثبت نشده، سازگاری این مهارت با ایجنتها را تأییدشده فرض نکنید.