网络 分子动力学粗粒化（） 依存关系 必需的： numpy pytorch （1.2或更高版本） scipy 可选的： mdtraj （仅适用于cgnet.molecule ） pandas （仅适用于cgnet.molecule ） sklearn （用于测试） Jupyter （ examples ） matplotlib （ examples ） 用法 克隆存储库： git clone git@github.com:coarse-graining/cgnet.git 安装所有缺少的依赖项，然后运行： cd cgnet python setup.py install 笔记 为了与pytorch==1.1兼容，请使用pytorch-1.1分支。 该分支当前不包括变量大小和Langevin动态的更新，也没有某些规范化选项。 引用 请引用预印本： @article

oxDNA是一种模拟代码，最初被认为是TE Ouldridge，JPK Doye和AA Louis（http://dx.doi.org/10.1063/1.3552946）引入的粗粒度DNA模型的实现。 此后进行了重新设计，现在已成为可扩展的仿真+分析框架。 它本身支持在CPU和NVIDIA GPU上进行DNA，RNA，Lennard-Jones和斑块粒子模拟。

人工智能-机器学习-粗粒度并行遗传算法的计算性能及其应用研究.pdf

改进蚁群算法的优化速度，该算法将搜索任务分成n个子群

卷积神经网络(convolutional neural network, CNN)在图像处理、语音识别、自然语言处理等领域实现了很好的性能.大规模的神经网络模型通常遭遇计算、存储等资源限制，稀疏神经网络的出现有效地缓解了对计算和存储的需求.