data 分子数据 模块架构
15 个稳定模块标识features 特征工程 models 模型注册 nn 神经网络 pipeline 工作流编排 qm 量子化学接口 automl 自动调参 evaluation 模型评估 xai 可解释性 viz 可视化 hub 模型仓库 pretrained 预训练权重 cli 命令行 config 配置管理 utils 通用工具 学习路线
数据与化学表示
先建立可靠的数据结构、描述符与反应条件表示。
模型与评估
再训练基线模型，比较指标并记录失败条件。
机理与解释
最后连接量化特征、可解释分析与实验问题。
可信度边界
机器学习与量子化学驱动的化学研究平台。整合 RDKit、PyTorch、Lightning，15 个子模块覆盖数据、特征工程、模型训练、可解释性分析与量子化学接口。
化学学科基础
高中阶段化学竞赛训练支撑后续有机化学、计算化学和 AI 化学方向兴趣。
证据限于公开证书；本科阶段研究项目仍以方向说明和学习路径为主。