昵称登录后显示

基于大语言模型的蛋白电子密度精修项目 2023.10 - 2024.02
项目内容 将模糊的蛋白电子密度精修成清晰的电子密度，用来帮助解析蛋白结构。
个人贡献 蛋白电子密度是由x射线采集的频域数据傅立叶逆变换而来，频域数据可用自然语言表示；
将时域密度进行惯性矩计算，获得旋转向量，用来将相似的靶点旋转到统一方向；
使用GPT2训练预测细粒度频域密度数值，prompt为粗粒度蛋白密度；
使用随机小角度旋转，kappa loss，频域相关性loss等优化方法提升训练效果；
在部分靶点测试能达到90%以上频域相关性后，使用千万级数据进行训练

CVPR MOT 视频分割跟踪比赛（第五名） 2020.03 - 2020.05
比赛内容 Challenge 1: 对于密集人流中的行人进行实例分割并跟踪。
个人贡献 作为主要负责人统筹规划算法的研发，设计并实现算法方案；
使用ResNeSt + CascadeRCNN + FPN + DCN 进行单帧的实例分割；
利用光流，MGN ReID的特征，使用匈牙利算法生成tracklets；
使用ReID方法连接各tracklets；（UnOvost）
使用相邻帧的光流，ReID特征捞取低置信度目标。

ICME 嵌入式交通目标检测模型压缩比赛（第三名） 2019.11 - 2020.02
比赛内容 在拥挤复杂的亚洲街道检测行人、汽车、摩托车、自行车四类；
评价标准不止mAP，还有参数量、计算量、运行时间。
个人贡献 资格赛中实现模型的融合，提升2% mAP，决赛阶段几乎独立完成研发。
使用patch gaussian预处理，softNMS等处理遮挡问题；
实现MobileNet v3 + SSDLite + FPNLite模型，使用知识蒸馏等trick；
对模型进行TensorRT加速、GPU/CPU时间优化；
参数量为第一名的十分之一，计算量为第一名的七分之一，运行速度为第一名的2.5倍。
产出论文：Real Time Object Detection for Traffic Based on Knowledge Distilation。

V2X项目 2019.01 - 2019.10
项目内容 使用路侧摄像头检测并跟踪行人、自行车、汽车，以便对车辆行驶做以指导。
个人贡献 作为主力研发人员进行算法研发，代码重构工作；
负责目标检测(YoloV3、Yolo SPP)、跟踪算法（SORT）的研发以及整体实现；
加入C-IOU Loss, D-IOU NMS, 遮挡预处理等Tricks;
TensorRT加速开发，最终应用在Nvidia Xavier上，达到24ms检测时间，7ms跟踪时间。

Generation of 3D molecules in pockets via a language model， Nature Machine Intellegence 2024
内容简介 提出了一种使用语言模型，根据靶点特征，生成hit级别类药小分子及其3D构象的方法。
创新点 提出了一种新的基于片段的分子表征 fsmiles，方便模型更好学习片段合理性；
使用类似BART的sequence to sequence预训练模型，学习小分子和口袋的表征；
使用transformer模型同时学习及预测局部坐标和全局坐标，达到兼顾结构合理性和相互作用
正确的目标。

A pocket-based 3D molecule generative model fueled by experimental
electron density，Scientific Reports 2022
内容简介 利用电子密度的数据特点，提出了新型的使用图像生成技术，根据靶点生成小分子的方法。
创新点 首先使用基于pixel2pixel的GAN模型，以口袋电子密度为条件，生成小分子电子密度；
设计了两个判别器分别用于判别小分子密度合理性，和小分子与口袋间相互作用的正确性。
使用基于VQ-VAE2的模型，以生成的小分子密度为条件，生成更合理及多样的小分子密度
，解析为构象。