Пишут про узкотематический научный опенсорс-инструмент для органической химии.
С одной стороны, выглядит весьма полезно для авторов, статей, надеюсь пригодится кому-то из подписчиков.
Но с другой - хоть сам код и открыт, но какой-то конкретной лицензии не заявлено. А на такой случай позиция гитхаба:
"You're under no obligation to choose a license. However, without a license, the default copyright laws apply, meaning that you retain all rights to your source code and no one may reproduce, distribute, or create derivative works from your work".
Upd: автор лицензию докинул.
С одной стороны, выглядит весьма полезно для авторов, статей, надеюсь пригодится кому-то из подписчиков.
Но с другой - хоть сам код и открыт, но какой-то конкретной лицензии не заявлено. А на такой случай позиция гитхаба:
"You're under no obligation to choose a license. However, without a license, the default copyright laws apply, meaning that you retain all rights to your source code and no one may reproduce, distribute, or create derivative works from your work".
Upd: автор лицензию докинул.
Forwarded from Зоопарк из слоновой кости
#зоопарк_одобряет #дорогая_редакция
Автоматический генератор Supplementary Information для статей!
Нам пишут:
Привет! Я Данила, занимаюсь органической химией и сделал Auto Support Generator — программу, которая помогает избавиться от ручной сборки Supporting Information (SI).
Она собирает готовый SI в Word из таблицы соединений, экспериментальных данных и исходных спектров: переносит структуры из ChemDraw, обрабатывает ЯМР через MestReNova и оформляет всё под выбранный журнал. Ещё помогает заметить возможные несоответствия в ЯМР и HRMS. Готовый документ можно быстро править, переоформлять под другой журнал и дополнять новыми соединениями, не собирая всё заново.
Сам генератор полностью бесплатный, исходный код доступен на GitHub. Хочется поделиться им с другими химиками-органиками, которым он может облегчить работу, и получить обратную связь — что удобно, а чего пока не хватает.
https://github.com/danilalebedev/Auto_support_generator/tree/Auto_support_generator_beta.1.1
Автоматический генератор Supplementary Information для статей!
Нам пишут:
Привет! Я Данила, занимаюсь органической химией и сделал Auto Support Generator — программу, которая помогает избавиться от ручной сборки Supporting Information (SI).
Она собирает готовый SI в Word из таблицы соединений, экспериментальных данных и исходных спектров: переносит структуры из ChemDraw, обрабатывает ЯМР через MestReNova и оформляет всё под выбранный журнал. Ещё помогает заметить возможные несоответствия в ЯМР и HRMS. Готовый документ можно быстро править, переоформлять под другой журнал и дополнять новыми соединениями, не собирая всё заново.
Сам генератор полностью бесплатный, исходный код доступен на GitHub. Хочется поделиться им с другими химиками-органиками, которым он может облегчить работу, и получить обратную связь — что удобно, а чего пока не хватает.
https://github.com/danilalebedev/Auto_support_generator/tree/Auto_support_generator_beta.1.1
GitHub
GitHub - danilalebedev/Auto_support_generator at Auto_support_generator_beta.1.1
Contribute to danilalebedev/Auto_support_generator development by creating an account on GitHub.
❤1
Завершим рабочую неделю подборкой опенсорс-релизов разного рода:
1) Как уже обсудили в чате, Яндекс выкатил Alice AI‑T5-35B‑A0.6B.
Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview.
На картинке - фронт Парето для моделей схожих весовых категорий.
Веса - https://huggingface.co/yandex/AliceAI-T5-35B-A0.6B
Техпрепорт - https://habr.com/ru/companies/yandex/articles/1080654
2) Сбер в свою очередь выкатил GigaChat 3.5 Reasoning - первую в России открытая модель с рассуждениями. В основе - архитектура 432B-A28B MoE.
- Хабр: статья
- Hugging Face: fp8 | bf16
- GitVerse: репозиторий
3) Нашумевшая оцифровка мухи-дроздофилы.
Мемы про использование этого мозга видели наверное многие, а вот репо c туториалом по использованию данных вряд ли - https://github.com/sjcabs/fly_connectome_data_tutorial
На картинке соответственно муха и её мозг со 140 тыспараметров нейронов.
Вообще считаю это хорошим примером того, как потенциал научного опенсорса и агентов сочетается. Статья без открытых данных так и осталась бы интересной только узким специалистам. Вручную делать все эти примеры использования тоже вряд ли бы кто-то стал. А так околонаучный вайбкодинг позволяет проверять даже самые забавные гипотезы очень быстро.
4) Отчет Antropic "Detecting and countering misuse of AI: September 2026", где рассказывается множество интересных историй о том, как люди со всего мира используют Claude разными необычными способами. Наиболее пугающие из них как раз околонаучные (про "engineering highly pathogenic mammal-adapted avian influenza")...
Но даже для более здоровых применений важно помнить, что провайдеры LLM вам не друзья (математики из недавней истории про Навье-Стокса не дадут соврать), и для многих чувствительных задач локальные модели подходят лучше.
Иначе можно увидеть свои запросы заопенсоршенными в очередном отчете. На приложенной картинке - мем с реддита, а не настоящий отчет, если что)
1) Как уже обсудили в чате, Яндекс выкатил Alice AI‑T5-35B‑A0.6B.
Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview.
На картинке - фронт Парето для моделей схожих весовых категорий.
Веса - https://huggingface.co/yandex/AliceAI-T5-35B-A0.6B
Техпрепорт - https://habr.com/ru/companies/yandex/articles/1080654
2) Сбер в свою очередь выкатил GigaChat 3.5 Reasoning - первую в России открытая модель с рассуждениями. В основе - архитектура 432B-A28B MoE.
- Хабр: статья
- Hugging Face: fp8 | bf16
- GitVerse: репозиторий
3) Нашумевшая оцифровка мухи-дроздофилы.
Мемы про использование этого мозга видели наверное многие, а вот репо c туториалом по использованию данных вряд ли - https://github.com/sjcabs/fly_connectome_data_tutorial
На картинке соответственно муха и её мозг со 140 тыс
Вообще считаю это хорошим примером того, как потенциал научного опенсорса и агентов сочетается. Статья без открытых данных так и осталась бы интересной только узким специалистам. Вручную делать все эти примеры использования тоже вряд ли бы кто-то стал. А так околонаучный вайбкодинг позволяет проверять даже самые забавные гипотезы очень быстро.
4) Отчет Antropic "Detecting and countering misuse of AI: September 2026", где рассказывается множество интересных историй о том, как люди со всего мира используют Claude разными необычными способами. Наиболее пугающие из них как раз околонаучные (про "engineering highly pathogenic mammal-adapted avian influenza")...
Но даже для более здоровых применений важно помнить, что провайдеры LLM вам не друзья (математики из недавней истории про Навье-Стокса не дадут соврать), и для многих чувствительных задач локальные модели подходят лучше.
Иначе можно увидеть свои запросы заопенсоршенными в очередном отчете. На приложенной картинке - мем с реддита, а не настоящий отчет, если что)
🔥6
Попался ещё один предметный открытый проект, на этот раз из области биомеханики:
❤1👍1🥰1😁1
Forwarded from Закулисье МатМодельера
Кажется, у меня случился тот самый момент, когда проект перестаёт быть папкой на ноутбуке.
BiomechPy 1.1.0 опубликован.
Теперь его действительно можно установить одной командой:
BiomechPy — это Python-библиотека для механики мягких биологических тканей, роста и ремоделирования, constituent turnover и constrained-mixture моделей.
И самое важное для меня здесь даже не сам факт публикации.
Перед релизом библиотека прошла тот уровень проверки, который я давно хотела видеть у собственных вычислительных проектов: тесты, научные инварианты, независимый аудит, сравнение NumPy и DOLFINx, реальные MPI-запуски на 1/2/4 процессах, проверку wheel и source distribution в чистых окружениях.
То есть в какой-то момент это перестало быть:
«у меня вроде работает».
И стало:
«вот постановка, вот эталон, вот независимые проверки, вот воспроизводимый результат».
Для математического моделирования эта разница, пожалуй, важнее количества написанных строк кода.
Пока BiomechPy не пытается быть «библиотекой вообще обо всём». В текущей версии ядро — это конечные деформации, волоконно-армированная механика, рост и ремоделирование, turnover составляющих ткани, когортная память и пространственные constrained-mixture модели.
Дальше хочется двигаться уже к экспериментальным данным, калибровке и обратным задачам.
Но сегодня можно просто зафиксировать:
первая стабильная публичная версия — есть.
GitHub: https://github.com/karinaurazova/biomechpy
PyPI: https://pypi.org/project/biomechpy/
И да. Теперь фраза «я написала библиотеку» звучит чуть менее подозрительно, потому что её хотя бы можно поставить через pip.
#матмоделирование #биомеханика #mechanobiology #python #opensource #BiomechPy #ЗакулисьеМатМодельера
BiomechPy 1.1.0 опубликован.
Теперь его действительно можно установить одной командой:
pip install biomechpy BiomechPy — это Python-библиотека для механики мягких биологических тканей, роста и ремоделирования, constituent turnover и constrained-mixture моделей.
И самое важное для меня здесь даже не сам факт публикации.
Перед релизом библиотека прошла тот уровень проверки, который я давно хотела видеть у собственных вычислительных проектов: тесты, научные инварианты, независимый аудит, сравнение NumPy и DOLFINx, реальные MPI-запуски на 1/2/4 процессах, проверку wheel и source distribution в чистых окружениях.
То есть в какой-то момент это перестало быть:
«у меня вроде работает».
И стало:
«вот постановка, вот эталон, вот независимые проверки, вот воспроизводимый результат».
Для математического моделирования эта разница, пожалуй, важнее количества написанных строк кода.
Пока BiomechPy не пытается быть «библиотекой вообще обо всём». В текущей версии ядро — это конечные деформации, волоконно-армированная механика, рост и ремоделирование, turnover составляющих ткани, когортная память и пространственные constrained-mixture модели.
Дальше хочется двигаться уже к экспериментальным данным, калибровке и обратным задачам.
Но сегодня можно просто зафиксировать:
первая стабильная публичная версия — есть.
GitHub: https://github.com/karinaurazova/biomechpy
PyPI: https://pypi.org/project/biomechpy/
И да. Теперь фраза «я написала библиотеку» звучит чуть менее подозрительно, потому что её хотя бы можно поставить через pip.
#матмоделирование #биомеханика #mechanobiology #python #opensource #BiomechPy #ЗакулисьеМатМодельера
👍10👎2🤩1
Как-то уже писали про опенсорс-проекты Ивана Дейнеки (ВИТШ ИТМО) - а тут с ним вышел масштабный подкаст от компании YADRO. Ниже по ссылкам - и запись интервью, и открытый код для Edge AI-примеров.
Forwarded from ODS Events
Привет!
Рады сообщить, что🦜 ODS совместно с Международным университетом информационных технологий запустили соревнование по написанию кода ИИ-агентами - SWE MERA Challenge.
Соревнование пройдет в три этапа:
✅ на первом этапе участникам с помощью любых агентов предстоит решить представленные задания на своей стороне;
✅ на последующих этапах то же самое нужно будет делать уже в изолированном окружении.
⭐️Для Топ-3 участников будет дана возможность представить свою работу на конференции по программной инженерии ICSE 2027!
Присоединяйтесь к соревнованию по 🔗ссылке!
Рады сообщить, что
Соревнование пройдет в три этапа:
⭐️Для Топ-3 участников будет дана возможность представить свою работу на конференции по программной инженерии ICSE 2027!
Присоединяйтесь к соревнованию по 🔗ссылке!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Научный опенсорс
1) Как уже обсудили в чате, Яндекс выкатил Alice AI‑T5-35B‑A0.6B.
Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview.
Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview.
И ещё один опенсорс-релиз от Яндекса - Alice AI Foundation 80B LLM.
AliceAI-Foundation-80B-A3B-Base – базовая языковая модель с гибридной архитектурой и MoE-слоями. Модель содержит 80 млрд параметров, из которых для каждого токена активируются 3 млрд, и поддерживает контекст длиной до 262 144 токенов. Модель была обучена полностью с нуля.
При создании модели мы заново собрали обучающий корпус, выбрали архитектуру и гиперпараметры, а также подготовили данные для сложных рассуждений и взаимодействия с инструментами.
Пост авторов: https://t.me/MLunderhood/427
HF: https://huggingface.co/yandex/AliceAI-Foundation-80B-A3B-Base
Техрепорт: https://habr.com/ru/companies/yandex/articles/1083300/
Лицензия - Апач 2.0.
AliceAI-Foundation-80B-A3B-Base – базовая языковая модель с гибридной архитектурой и MoE-слоями. Модель содержит 80 млрд параметров, из которых для каждого токена активируются 3 млрд, и поддерживает контекст длиной до 262 144 токенов. Модель была обучена полностью с нуля.
При создании модели мы заново собрали обучающий корпус, выбрали архитектуру и гиперпараметры, а также подготовили данные для сложных рассуждений и взаимодействия с инструментами.
Пост авторов: https://t.me/MLunderhood/427
HF: https://huggingface.co/yandex/AliceAI-Foundation-80B-A3B-Base
Техрепорт: https://habr.com/ru/companies/yandex/articles/1083300/
Лицензия - Апач 2.0.
🔥7❤2
Китайские авторы сделали открытый датасет иллюстраций из топ-статей по AI/ML:
https://github.com/qwdwqfwq/topconf-paper-figure-gallery
https://qwdwqfwq.github.io/topconf-paper-figure-gallery/
Развиваем художественный вкус, получается.
https://github.com/qwdwqfwq/topconf-paper-figure-gallery
https://qwdwqfwq.github.io/topconf-paper-figure-gallery/
Развиваем художественный вкус, получается.
❤8