錯過了BRC20還有eths,eth銘文協議
來源：三頭鳥NFT大家好，我是鳥哥，了解鳥哥的人都知道鳥哥擅擼空投，說實話擼毛雖然回報大但周期還是有點長的，所以除了擼毛我們自己也在研究早期項目，打新，比如BRC20協議ordi當時就有
5 月 16 日消息，Meta AI 公司于 5 月 14 日發布博文，發布了全新化學數據集 Open Molecules 2025（OMol25）以及通用原子模型 Universal Models for Atoms（UMA）。
OMol25 數據集：化學研究新利器
OMol25 是迄今為止規模最大的分子模擬數據集，由 Meta 與美國能源部勞倫斯伯克利國家實驗室（Berkeley Lab）聯合打造，該數據集包含超過 1 億個 3D 分子快照，基于密度泛函理論（DFT）計算而成。
DFT 是一種強大的工具，能精確模擬原子間相互作用，幫助科學家預測每個原子的受力及系統能量，從而揭示分子運動和化學反應的規律。
傳統的 DFT 計算需要巨大的計算資源，隨著分子規模增大，計算需求呈指數級增長，使用最先進的計算設備，也難以模擬現實世界中復雜的分子系統。
基于 DFT 數據訓練的機器學習原子間勢（MLIPs）能以快 1 萬倍的速度提供同等精度的預測，讓科學家能在普通計算系統上模擬大型原子系統。OMol25 作為化學多樣性最高的分子數據集，為訓練 MLIPs 提供了前所未有的數據支持。
UMA 模型：通用預測工具問世
Meta 公司還推出 UMA，是一個基于過去五年 Meta FAIR 公開數據集構建的通用原子間勢能模型群，覆蓋分子、材料、觸媒等化學領域，利用超過 50 億個原子組成的 3D 結構作為訓練數據。
UMA 分為 UMA-small 和 UMA-medium 兩種規模，采用“Mixture of Linear Experts”創新架構，其中 UMA-medium 模型擁有 14 億參數，但單結構計算僅用約 5000 萬參數，加快推理速度。
UMA 模型無需微調，僅通過預訓練即可應對多種化學任務，性能媲美甚至超越現有專用模型。研究表明，UMA 在分子特性預測、材料設計、觸媒開發、能量存儲及半導體制造等領域表現出色，高精度與快速計算能力為科學研究和工業應用開辟了新路徑，推動跨領域技術革新。
附上參考地址
The Open Molecules 2025 (OMol25) Dataset, Evaluations, and Models
Sharing new breakthroughs and artifacts supporting molecular property prediction, language processing, and neuroscience
Computational Chemistry Unlocked: A Record-Breaking Dataset to Train AI Models has Launched - Berkeley Lab – Berkeley Lab News Center
UMA: A Family of Universal Models for Atoms | Research - AI at Meta
facebook/OMol25 · Hugging Face
facebook/UMA · Hugging Face
本文鏈接：http://www.rrqrq.com/showinfo-45-12945-0.htmlMeta 聯合發布 OMol25 數據集與 UMA 模型，AI 助力全球化學創新
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號