跳到正文

内容形态

数据与工具 最新动态

能拿来就用的东西:数据集、数据库、软件、模型权重、实验协议与基准。

7 条精选近 30 天 7 条共收录 82 条

更新

数据与工具的精选

11月13日周五第 1–7 条
  1. Phys.org82
    Space telescope Euclid sets the new standard for cosmology

    Euclid 空间望远镜发布首批数据,覆盖约 9 亿个星系和 6000 万个类星体

    Euclid 空间望远镜发布首批主要数据集,包含约 9 亿个星系和 6000 万个类星体,天空覆盖面积约为满月的 1 万倍,数据量约 2.5 万亿像素、170 万 GB。数据中部分星系存在于宇宙年龄仅 7 亿年时,约为当前宇宙年龄的 5%,目前已有约 20 篇论文描述该数据及初步分析。研究团队计划在 2027 年 6 月给出检验现有引力理解是否完整的首批宇宙学分析结果。

    推荐理由:首批数据覆盖约 9 亿个星系与 6000 万个类星体,宇宙学结论要等 2027 年的联合分析。

11月12日周四
  1. Nature62

    DeepMind 发布 AlphaGenome 2,可按细胞类型预测非编码 DNA 变异效应

    Google DeepMind 发布 AlphaGenome 2 模型,可预测非编码 DNA 序列的分子效应,并给出变异可能起作用的细胞类型。该模型在 68 种组织、超过 1 亿个单细胞的基因活性等测量数据上训练,覆盖 637 种人类细胞和 311 种小鼠细胞类型,也能接受新的单细胞数据生成变异预测。

    推荐理由:该模型把非编码变异的预测细化到具体细胞类型,可用于判断哪些疾病相关变异值得做实验。

11月10日周二
  1. 量子位80

    英伟达发布机器人基础模型 GR00T 2 并开源模型数据与仿真工具链

    英伟达在 CoRL 大会上发布世界动作模型 GR00T 2,并称其模型、数据、仿真环境和采集硬件将陆续开源,首批开放 10 万小时人类第一视角视频。

    推荐理由:英伟达公开 GR00T 2 的模型、数据与工具链,并给出人类示范跨本体迁移的成功率,可用于评估机器人基础模型的复用门槛。

10月27日周二
  1. Nature Chemical Engineering67

    Open DAC 2025 数据集发布:约 1.5 万种 MOF 的近 6000 万次气体吸附 DFT 计算

    Open DAC 2025 数据集收录约 15,000 种金属有机框架(MOF)上 CO2、H2O、N2 和 O2 吸附的近 6000 万次 DFT 计算,面向直接空气捕集吸附剂的筛选。数据集借助机器学习势函数实现高分辨率的 MOF 筛选,相关介绍发表在 Nature Chemical Engineering。

    推荐理由:近 6000 万次 DFT 计算覆盖约 1.5 万种 MOF 对四种气体的吸附,可供直接空气捕集材料筛选使用。

10月23日周五
  1. Joule61

    Battery Data Commons 登记库收录 349 个公共电池数据集

    Battery Data Commons 登记库以可检索的元数据方式索引了 349 个公共电池数据集,描述同时面向人和机器阅读,并链接回原始数据来源。该登记库不迁移原始数据,只公开实验背景信息,以提升数据集可见性并让旧数据得以再次使用,相关介绍发表于 Joule。

    推荐理由:电池数据集分散难查找,这个可检索元数据登记库让人先判断数据能否复用。

10月22日周四
  1. Patterns62

    CytoVerse 让单细胞 RNA-seq 基础模型在浏览器中本地运行

    Currie 等提出 CytoVerse 框架,在网页浏览器中直接运行单细胞 RNA-seq 基础模型。该框架基于 ONNX 模型部署和压缩的 IVFPQ 索引,无需服务器计算、安装或上传数据,即可将本地数据集比照 2300 万细胞参考集完成注释,并以轻量文件形式共享嵌入。

    推荐理由:浏览器内本地完成单细胞注释,数据不出本机,为隐私敏感数据的分析流程提供了可借鉴的方案。