最新

输入一个SMILES字符串（或从示例中选择一个分子），它将返回与该分子在三维形状或静电相似性上最接近的，来自超过100亿规模数据库的最多10万个分子——通常在5-10秒内完成。<p>*它可能引起HN关注的原因*<p>* 整个索引存储在<i>磁盘</i>上——查询时无需GPU，总共占用RAM不到10 GB。 * 从头开始构建（未使用FAISS索引 / Milvus / Pinecone）。 * 索引构建成本：一个Nvidia T4卡（约300美元）用于一个55亿的数据库。 * 任何人都可以使用，预测ADMET性质，并将结果导出为CSV/SDF格式。<p>完整的论文和基准测试（DUD-E, LIT-PCBA, SVS）见预印本： <a href="https:&#x2F;&#x2F;chemrxiv.org&#x2F;engage&#x2F;chemrxiv&#x2F;article-details&#x2F;67250915f9980725cfcd1f6f" rel="nofollow">https:&#x2F;&#x2F;chemrxiv.org&#x2F;engage&#x2F;chemrxiv&#x2F;article-details&#x2F;6725091...</a>

我的初创公司正在挣扎。我们打造了一个很棒的产品。我们的 v1 版本确实不错。我们参考了 YC 的创业手册，在作为人工服务运营的同时，进行了将近一年的手动工作。 我们确实获得了一些验证，并且正在产生三位数的低收入。但是，这还不够。 我清楚地看到，如果 B2B SaaS 公司使用我们的产品，他们的营销工作可以受益良多。然而，这些天我得到的回复大多反响平平，甚至直接被拒绝。 完全转向不同的领域无济于事。虽然我们擅长构建产品，但我们对其他行业的领域知识有限。 我们的软件是为市场营销和销售团队构建的。我如何说服他们试用它并增加我们的收入？ 这些新的初创公司，无论是 YC 孵化的还是其他的，是如何通过代理商产生数万美元的月经常性收入（MRR）的，这似乎大多只是一种炒作。这些代理商所做的事情，Claude 或 ChatGPT 都能做到。为什么人们要从这些产品半成品的公司购买东西？ 我们的产品 v1 版本已经准备好了。 我有点渴望获得收入和验证。

我一直试图解释户外光照的重要性，以及大多数人摄入的光照量不足。最终我意识到，展示比讲述更有效。<p>所以我们开发了一款免费应用，它使用你的 Apple Watch 或 iPhone 自动追踪你一天的光照暴露情况。<p>它会告诉你是否获得了足够的光照，展示你的光照摄入是否稳定，并奖励支持激素平衡的习惯。<p>该应用目前在 TestFlight 上进行 Beta 测试，欢迎告诉我你的想法！

嗨，HN，这是我的第一篇帖子！ Functioneer 是终极批量运行器。准备好成为分析忍者吧。我希望能够发布它并获得一些反馈！ 我曾是一名太阳能热工程师，多年来一直很震惊，竟然没有一款工具能让优化和高维度参数测试变得简单。所以，自从我去年学会编程后，就自己做了一个。 使用 Functioneer，每次分析都是一系列步骤，您可以在其中定义参数、创建分支，并执行或优化一个函数，并将结果保存为参数。您可以根据需要添加任意数量的步骤，同时应用于所有分支。这真的很强大！ 示例：在参数网格上测试您喜欢的任何函数（此示例使用流行的 Rosenbrock 函数）： ```python import functioneer as fn # 在此处插入您的函数！ def rosenbrock(x, y, a, b): return (a-x)**2 + b*(y-x**2)**2 # 使用初始参数创建分析模块 anal = fn.AnalysisModule({'a': 1, 'b': 100, 'x': 1, 'y': 1}) # 在 'x' 和 'y' 值网格上进行测试 anal.add.fork('x', (0, 1, 2)) anal.add.fork('y', (1, 10)) anal.add.execute(func=rosenbrock) print(anal.run()['df'][['x', 'y', 'rosenbrock']]) ``` ``` 示例输出： a b x y rosenbrock 0 1 100 0 1 101 1 1 100 0 10 10001 2 1 100 1 1 0 3 1 100 1 10 8100 4 1 100 2 1 901 5 1 100 2 10 3601 ```