gnina（发音为NEE-na）是一个分子对接程序，具有使用卷积神经网络对配体进行评分和优化的综合支持。 这是的叉子，是的叉子。 帮助 请。 提供一个示例Colab笔记本，其中显示了如何使用gnina。 引文 如果您发现gnina有用，请引用我们的论文： GNINA 1.0：分子对接与深度学习（主要应用引用） 阿McNutt，P Francoeur，R Aggarwal，T Masuda，R Meli，M Ragoza，J Sunseri，DR Koes。 ChemRxiv，2021年 卷积神经网络的蛋白质配体评分（主要方法引用） M Ragoza，J Hochuli，E Idrobo，J Sunseri，DR Koes。 J.化学。 Inf。 模型，2017 基于原子网格的卷积神经网络的配体姿态优化M Ragoza，L Turner和DR Koes。 分子与材料的机器学习NIP

介绍 使用numpy和scipy库用Python3编写的基本量子化学程序。 当前，该程序完全支持RHF，UHF，CIS，TDHF，DFT，CCSD和CCSD（T）。 我的下一个计划是在程序中实现DFT。 我使用Attlia Szabo和Neil S. Ostlunds的《现代量子化学：高级电子结构理论入门》和《计算量子化学手册》的David B. Cooks作为我对电子结构计算背后的理论和方法的主要参考。 的开发人员资源对于项目的成功也是非常宝贵的，并且拥有许多出色的教程和编程示例。 指示 要运行此程序，请将所需的molfiles和basisset文件添加到molfiles和basisset目录中。 接下来，编辑src/main/main.py menu()函数，以便进行所需的计算，例如， def menu (): start ( 'H2O.mol' , 'STO-3G.g