DeepSeek+Zotero
摘要:
这篇文章介绍了一种在Zotero科研文献阅读管理软件中,使用Awesome GPT插件配置Ollama-DeepSeek文本生成模型+BAAI-bgeM3嵌入模型,来解析和理解科研论文的一种方法。借此可以简化一部分繁杂的论文学习过程,也许可以提升科学研究的效率。
![DeepSeek+Zotero](https://img2024.cnblogs.com/blog/2277440/202502/2277440-20250211141916063-1823987832.png)
DeepSeek部署本地知识库
摘要:
大模型之大,可以训练我们所有人日常生活学习工作可能使用到的所有知识。但是完整的大模型,要实现一个本地化的部署,可能是有点困难,因此才有了大模型的蒸馏技术。蒸馏之后大模型可能会损失大多数的行业知识,而我们可以通过本地知识库构建的方法,在本地构建一个私有的专业大模型。
![DeepSeek部署本地知识库](https://img2024.cnblogs.com/blog/2277440/202502/2277440-20250208151543985-1121092440.png)
Windows11本地部署DeepSeek加速
摘要:
本文介绍了一个可以相比之下更快速的在本地部署DeepSeek的方法,除了在上一篇博客中介绍的从Github或者Github加速网站获取Ollama之外,还可以通过从国内的其他大模型文件平台下载模型文件,来加速本地模型的构建。
![Windows11本地部署DeepSeek加速](https://img2024.cnblogs.com/blog/2277440/202502/2277440-20250207151156735-2030046149.png)
Ubuntu Linux部署DeepSeek
摘要:
本文介绍了通过Ollama在Ubuntu Linux平台上部署DeepSeek本地大模型的方法,并且可以使用ChatBox调用本地Ollama API进行本地对话或者是远程对话。
![Ubuntu Linux部署DeepSeek](https://img2024.cnblogs.com/blog/2277440/202502/2277440-20250206101618581-1337385746.png)
使用SpongeExt快捷完成CudaSPONGE结合PySAGES的增强采样
摘要:
基于CudaSPONGE高性能分子动力学模拟采样工具,和PySAGES高性能增强采样软件,我简单的封装了一个SpongeExt插件,可以用于无感结合CudaSPONGE和PySAGES进行增强采样分子动力学模拟。
![使用SpongeExt快捷完成CudaSPONGE结合PySAGES的增强采样](https://img2024.cnblogs.com/blog/2277440/202501/2277440-20250123101904029-1283096609.png)
Markdown转Beamer进阶
摘要:
接上一篇介绍的基本Markdown通过pandoc编译转为Beamer风格文档的文章,本文主要介绍一些Markdown转Beamer其中的进阶用法。如Mermaid流程图,和Algorithms算法伪代码的使用等。
![Markdown转Beamer进阶](https://img2024.cnblogs.com/blog/2277440/202501/2277440-20250120172401222-941365632.png)
CudaSPONGE与PySAGES初步性能测试
摘要:
接前一篇关于PySAGES结合CudaSPONGE使用方法的文章,本文主要还是使用了一样的测试案例。仅通过不同的测试步长,来定性的分析PySAGES的MetaDynamics实现方案结合MD软件之后的性能数据。
![CudaSPONGE与PySAGES初步性能测试](https://img2024.cnblogs.com/blog/2277440/202501/2277440-20250120154911462-269806202.png)
Markdown转Beamer
摘要:
通过使用pandoc,使得我们可以直接将普通的Markdown文件编译成一个Latex Beamer PDF格式的演示文稿文件。相比于RMarkdown有更强的灵活性和通用性,只是不能在生成文稿时运行相关代码,不过这点对于那些只需要一个“静态”演示文稿的人来说影响不大。
![Markdown转Beamer](https://img2024.cnblogs.com/blog/2277440/202412/2277440-20241225165255733-394320050.png)
PySAGES结合CUDA SPONGE增强采样
摘要:
本文探索并梳理了一下CUDA SPONGE高性能分子模拟采样软件,和PySAGES高性能增强采样软件,这两者强强联合的MD模拟新范式。
![PySAGES结合CUDA SPONGE增强采样](https://img2024.cnblogs.com/blog/2277440/202412/2277440-20241223093123563-2074383149.png)
PCA主成分分析的Python实现
摘要:
接上一篇文章介绍的矩阵特征分解,本文介绍了矩阵特征分解在主成分分析(PCA)算法中的应用。对于PCA算法,最直观的理解就是,在高维数据中找到一个低维的空间,使得所有的数据点投影到该低维空间之后尽可能的分离。
![PCA主成分分析的Python实现](https://img2024.cnblogs.com/blog/2277440/202412/2277440-20241206111227503-891979158.png)
Numpy本征值求解
摘要:
本文介绍了一下使用Numpy计算矩阵的特征值求解和特征值分解问题。Numpy的eig特征求解函数可以直接输出给定矩阵所有的特征值,和对应的所有特征列向量所构成的矩阵。再使用Numpy的矩阵求逆函数,即可得到相关矩阵的EVD特征值分解。
![Numpy本征值求解](https://img2024.cnblogs.com/blog/2277440/202412/2277440-20241204105119984-897153856.png)
CudaSPONGE之Python接口
摘要:
本文介绍了高性能GPU分子动力学模拟软件CudaSPONGE的Python API接口,通过官方开发的prips插件,使得我们可以在Python框架下很方便的开发一些分子动力学模拟的Force Wrapper,例如Meta Dynamics中就有很多可以外界的工具,非常方便开发者的二次开发,同时又能够兼顾到性能。
![CudaSPONGE之Python接口](https://img2024.cnblogs.com/blog/2277440/202411/2277440-20241128110604303-1822233266.png)
CudaSPONGE高性能GPU分子模拟
摘要:
本文简单介绍了一下CudaSPONGE高性能分子动力学模拟软件,其基于原生的CUDA C开发,具有极高的模拟效率。结合前处理工具Xponge用于生成和处理输入文件,可以很好的兼容目前常用的很多力场形式。
![CudaSPONGE高性能GPU分子模拟](https://img2024.cnblogs.com/blog/2277440/202411/2277440-20241127161030315-1212502961.png)
PySAGES实记
摘要:
本文主要介绍了增强采样外接软件PySAGES的基本安装和使用方法,重点是安装过程中没有写清楚的一些环境依赖和可能出现的问题介绍,以及相应的解决方案。并简单的梳理了一下PySAGES软件的工作流机制,其能够做到Zero Copy,并使得Enhanced Sampling不再成为很多模拟的Bottleneck,这是一个相当出色的结果。
![PySAGES实记](https://img2024.cnblogs.com/blog/2277440/202411/2277440-20241126145553110-1331843954.png)