-
公开(公告)号：CN119007843A
公开(公告)日：2024-11-22
申请号：CN202411108060.5
申请日：2024-08-13
Applicant: 北京大学
Abstract: 本发明公开了一种基于深度均衡模型的求解分子系统稳态方法，包括：构建数据集，所述数据集中的数据为初始构象‑稳态构象的配对数据；将数据集中的数据划分为训练样本和测试样本；对训练样本先进行时间采样，而后按照布朗桥的路径概率进行采样，得到预处理后的训练样本；构建基于图Transformer或球谐函数表示的SE(3)等变神经网络模型；利用预处理后的训练样本对SE(3)等变神经网络模型进行训练，直至SE(3)等变神经网络模型收敛，得到训练好的SE(3)等变图神经网络模型；先从初始构象分布∏0中采样，生成一个粗糙构象；再通过模拟以下SDE从联合分布Π0,1中抽样，得到t＝1的X1即为所需的稳态构象。
-
公开(公告)号：CN118917427A
公开(公告)日：2024-11-08
申请号：CN202411117406.8
申请日：2024-08-15
Applicant: 北京大学
Abstract: 本发明公开了一种基于神经网络的量子蒙特卡洛算法的量子化学方法，包括：对Transformer模型进行预训练，使预训练的Transformer模型输出的轨道与使用Hartree‑Fock方法求解原子核势场中的薛定谔方程所得到的轨道匹配；利用傅里叶变换分别设计第一高频信息建模层和第二高频信息建模层；将第一高频信息建模层作为预训练的Transformer模型的输入层，将第二高频信息建模层作为预训练的Transformer模型的中间层，得到显式建模高频信息的Transformer模型，该显式建模高频信息的Transformer模型以电子位置为输入，以波函数为输出；对显式建模高频信息的Transformer模型进行训练，得到训练好的显式建模高频信息的Transformer模型；利用训练好的显式建模高频信息的Transformer模型在新的电子位置上进行预测，得到预测的波函数，实现对电子行为的建模。
-
公开(公告)号：CN114998659A
公开(公告)日：2022-09-02
申请号：CN202210694741.9
申请日：2022-06-17
Applicant: 北京大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公布了一种随时间在线训练脉冲神经网络模型的图像数据分类方法，构建脉冲神经网络模型并设计随时间在线方法训练模型；再利用训练好的模型对图像数据进行分类和识别，有效提升图像数据的分类和识别性能；其中图像数据包括计算机图像数据和神经形态的图像视觉数据。通过本发明提供的方法，可以在训练脉冲神经网络SNN模型时，极大地减小训练内存的开销，将训练得到的模型用于计算机图像数据和神经形态图像视觉数据的分类与识别等视觉任务，能够提高分类与识别性能、降低识别系统的处理延迟，能实现高效节能的图像视觉数据分类与识别系统。
-
公开(公告)号：CN114998659B
公开(公告)日：2024-05-24
申请号：CN202210694741.9
申请日：2022-06-17
Applicant: 北京大学 , 人工智能与数字经济广东省实验室(广州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/049 , G06N3/084
Abstract: 本发明公布了一种随时间在线训练脉冲神经网络模型的图像数据分类方法，构建脉冲神经网络模型并设计随时间在线方法训练模型；再利用训练好的模型对图像数据进行分类和识别，有效提升图像数据的分类和识别性能；其中图像数据包括计算机图像数据和神经形态的图像视觉数据。通过本发明提供的方法，可以在训练脉冲神经网络SNN模型时，极大地减小训练内存的开销，将训练得到的模型用于计算机图像数据和神经形态图像视觉数据的分类与识别等视觉任务，能够提高分类与识别性能、降低识别系统的处理延迟，能实现高效节能的图像视觉数据分类与识别系统。
-
-
-
Search Results
4
records
(took 0.017 seconds)
