生成 AI
-
N100 部署 PVE 8.1：用 SR-IOV 虚拟显卡完美搞定黑群晖 Photos 人脸识别与 Plex 硬解转码
在单台轻量级服务器（如搭载 Intel N100 处理器的小主机）上，既想让 PVE 主机保留控制台输出，又想让黑群晖（DSM）实现独占般的显卡硬件加速（用于 Plex/Jellyfin 转码和 Synology Photos 人脸识别）...
-
PVE 8.0 NVIDIA 独显直通与 vGPU 全攻略：从底层硬件到完美解决 Code 43 与授权痛点
在 Proxmox VE (PVE) 8.0 环境下，将 NVIDIA 显卡直通给 KVM 虚拟机（Windows/Linux）或实现 vGPU 分流，是搭建高性能家用服务器、云游戏主机或 AI 绘图环境的常见需求。PVE 8.0 采用了...
161 1 Proxmox VE显卡直通 -
PVE 虚拟机 vs LXC 容器：Jellyfin 硬件解码直通深度评测与避坑指南
在 Proxmox VE（PVE）环境下部署 Jellyfin 媒体服务器时，如何让其高效地调用显卡（核显或独显）进行硬件转码，是每个 HomeLab 玩家必须要面对的课题。 最常见的两条路线是：**LXC（Linux 容器）**与 ...
-
Triton共享内存在C++与Python客户端下的性能差异与调优实践
在利用 Triton Inference Server 部署高吞吐、低延迟的深度学习模型时，传统的 gRPC 或 HTTP 协议往往会因为 数据序列化/反序列化 以及 网络栈拷贝 成为系统瓶颈。特别是在处理超大图像、视频流或高维张量时，这...
-
榨干 GPU 性能：Triton 动态批处理与队列超时的黄金调优法则
在 AI 异步推理和高并发在线服务（Model Serving）的场景中，NVIDIA Triton Inference Server 几乎是行业标配。然而，很多工程师在部署模型时，经常遇到一个两难困境： 追求吞吐量（Throu...
-
抗体非特异性结合（NSB）筛查：如何选择与应用开源抗体蛋白质语言模型（pLM）
在治疗性抗体开发中，非特异性结合（Non-Specific Binding, NSB）或多反应性（Polyreactivity）是导致候选药物在体内药代动力学（PK）性质差、清除率快以及毒性升高的主要原因之一。 利用蛋白质语言模型（p...
-
除了FoldX，如何用深度学习方法快速评估ProteinMPNN突变体的结合力？
在蛋白质从头设计（De Novo Protein Design）或亲和力成熟（Affinity Maturation）的工作流中， ProteinMPNN 已经成为序列设计的标配工具。然而，ProteinMPNN 产生的候选序列往往成百...
-
RFdiffusion设计的蛋白质怎么看质量？小白保姆级PDB评估指标拆解
在 AI 蛋白质设计领域， RFdiffusion 毫无疑问是目前的明星工具。但很多刚入行或者跨界过来的同学，在跑完 RFdiffusion 拿到一堆 .pdb 格式的结构文件后，往往会一脸懵逼： “这个结构到底折叠得好不好？...
-
显存不够也能玩转AI制药：本地低配环境搭建 RFdiffusion + ProteinMPNN 工作流指南
作为蛋白质 de novo 设计领域的“黄金搭档”，RFdiffusion（负责骨架生成）和 ProteinMPNN（负责序列设计）几乎是目前计算生物学研究的标配。然而，官方文档中动辄要求 A100 或 24G 显存显卡的配置，让许多只有...
351 蛋白质设计 -
除了AlphaFold 3，现代AI药物设计管线里还有哪些不可或缺的底层模型？
在AI制药（AIDD）领域，AlphaFold 3毫无疑问是聚光灯下最耀眼的明星。它解决了“结构预测”这一历史性难题。然而，药物研发是一个漫长且复杂的系统工程，从靶点发现、先导化合物筛选、结构优化到ADMET（吸收、分布、代谢、排泄和毒性...
-
AlphaFold 3 开源学术权重后，AI 制药创业公司靠什么活下去
Google DeepMind 终究还是向学术界低了头。 AlphaFold 3（以下简称 AF3）的源代码和学术权重正式开源。这一举动，把大半年前因“仅提供 Web 服务器、限制每日调用、不给权重”而引发的学术界怒火彻底平息，但也顺...
-
AlphaFold 3预测非规范核苷酸与金属离子配位时的底层算法缺陷
AlphaFold 3（AF3）从上一代的“基于残基局部坐标系（Frame-aligned）”转向了“全原子三维空间扩散模型（Diffusion Module）”。这一架构转变赋予了它处理任意化学实体（蛋白质、核酸、小分子配体、修饰基团及...
-
RNA动态构象系综的“硬骨头”：几何深度学习的最新解法与物理瓶颈
在 AlphaFold 3 和 RoseTTAFold-All-Atom 掀起的多模态分子结构预测浪潮中，RNA 似乎成了聚光灯下最难啃的骨头。与结构相对规整、存在大量同源模板的蛋白质不同，RNA 在生理环境中表现出极高的柔性和动态多变性...
-
如何用图神经网络（GNN）预测RNA二级结构与配体结合位点？一文读懂前沿算法框架
在AI制药（AIDD）领域，RNA作为药物靶点（如核糖开关、非编码RNA、病毒RNA基因组）的潜力正被快速释放。然而，RNA极易弯折且动态多变，其功能的发挥高度依赖于其空间折叠结构以及与小分子配体的特异性结合。 传统的实验方法（如X射...
-
如何基于生成式AI与多目标优化从头设计超低免疫原性的合成5' UTR
在mRNA疫苗和核酸药物的设计中，5' 非翻译区（5' UTR）扮演着决定性的角色。它不仅是核糖体招募与扫描的“停机坪”，直接决定了蛋白质的翻译效率（Translation Efficiency, TE），同时也是天然免疫...
-
如何通过高通量筛选（HTS）优化 mRNA 的 5' UTR，以规避宿主免疫系统的识别？
在 mRNA 疫苗和疗法的研发中，我们经常面临一个极其棘手的“双向困境”： 既要极高的翻译效率，又要极低的免疫原性 。 虽然化学修饰（如 N1-甲基假尿苷 $m1 Psi$）能显著降低外源 mRNA 被宿主模式识别受体（PRRs）识别...
-
扫地机器人装机械臂：从清洁工到全能管家，还有多远？
你提出的设想非常迷人——让那个在地上默默转圈的圆盘站起来，“长出”手臂，帮你端茶倒水、整理桌面。这几乎是每个看过《杰森一家》或《哆啦A梦》的人对家用机器人的终极幻想。然而，从“地面清洁”到“多维度空间互助”， 这中间隔着的不是一次简单的硬...
-
车载 AR-HUD 进阶：LCOS 技术在极端温度下的相位稳定性挑战与对策
在智能座舱的演进过程中，**LCOS（Liquid Crystal on Silicon，硅基液晶）**凭借其高分辨率、高光利用率以及支持全息显示（Holographic HUD）的潜力，被视为下一代 AR-HUD 的核心 PGU（图像生...
-
SyncE+PTP双栈协同：5G时代频率与相位同步的混合架构实战
为什么单一同步技术已无法满足5G需求？ 在5G网络部署中， 时间同步精度 已成为制约网络性能的关键瓶颈。TDD（时分双工）制式要求基站间相位偏差必须控制在 ±1.5μs 以内，而载波聚合（CA）和协同多点传输（CoMP）对频率稳定...
-
事件驱动神经网络如何"原生"消化动态视觉数据？无卷积架构的端到端运动方向识别原理
当传统计算机视觉还在将事件相机（Event Camera）的异步数据流转换为帧图像进行卷积处理时，脉冲神经网络（SNN）已经能够直接在 时间域 内解析AER（Address-Event Representation）协议数据，实现微秒级延...
