Luận ⽂ xuất hiện lại tái thải ⽤ “Mở ra tái đề” hình thức, từ dự thi đoàn đội⾃ chủ lựa chọnLuận ⽂ cũng thông qua báo danh liên tiếp đệ trình. Tổ ủy hội đối dự thi đoàn đội lựa chọn sử dụng xuất hiện lại luận ⽂ tiến ⾏ xét duyệt, trải qua sơ thẩm thông qua sau xác nhận dự thi đoàn đội báo danh thành công, lấy bưu kiện hình thức báo cho dự thi đoàn đội khai thông Bio-OS tài khoản cập tương ứng tài nguyên.
Dự thi đoàn đội yêu cầu chuẩn bị cùng nên luận ⽂ tương quan số liệu, số hiệu cùng ⼯ cụ, lợi ⽤ Bio-OS Workspace đối luận ⽂ trung chủ yếu kết quả tiến ⾏ xuất hiện lại, bao gồm nhưng không giới hạn trong số liệu xử lý, phân tích, kết quả nghiệm chứng chờ mấu chốt bước đi, cùng với tất yếu biểu đồ, bảng biểu cùng mặt khác khả thị hóa triển ⽰.
Cuối cùng dự thi đoàn đội yêu cầu lấy luận ⽂ xuất hiện lại báo cáo hình thức đệ trình ⾄ tổ ủy hội tiến ⾏ bình thẩm. Luận ⽂ xuất hiện lại báo cáo yêu cầu kỹ càng tỉ mỉ miêu tả xuất hiện lại quá trình, gặp được vấn đề, giải quyết ⽅ án cập cuối cùng xuất hiện lại kết quả.
Chú: Dự thi đoàn đội cần dựa theo hạ thuật tiêu chuẩn, ⾃ chủ lựa chọn sử dụng dự thi xuất hiện lại luận ⽂:
• ⽂ hiến phạm vi: Người dự thi nhưng ⾃ từ lựa chọn ⾃⼰ cảm thấy hứng thú, ảnh hưởng nhân ⼦⼤ với 5 tương quan luận ⽂;
• ⽂ hiến lĩnh vực: Lấy ⽣ vật tin tức học, tính toán ⽣ vật học chờ bao hàm ⼆ cấp phân tích hoặc tam cấp tính toán phân tích ⽂ hiến là chủ;
• phát biểu thời gian: Yêu cầu luận văn phát biểu thời gian vì 2013 năm 1 nguyệt lúc sau;
• nhưng lặp lại tính: Lựa chọn luận ⽂ ứng có minh xác số liệu phân tích lưu trình cùng nhưng xuất hiện lại thực nghiệm kết quả.
Đệ trình đấu vòng loại tác phẩm yêu cầu
Đệ trình thời hạn cuối cùng vì 2024 năm 9 nguyệt 13 ngày 24:00
1. Đệ trình tuyển định luận ⽂ tin tức ( tiêu đề, tác giả, phát biểu tập san cập ⽇ kỳ );
2. Đệ trình Bio-OS Workspace hạng ⽬ liên tiếp, bao gồm sử ⽤ thuyết minh, số hiệu, số liệu cùng ⽣ thành kết quả;
3. Đệ trình ⼀ phân kỹ càng tỉ mỉ xuất hiện lại báo cáo, báo cáo ứng bao gồm nhưng không giới hạn trong:
1 ) sở tuyển luận ⽂ giản yếu giới thiệu;
2 ) xuất hiện lại chủ yếu bước đi cùng ⽅ pháp;
3 ) xuất hiện lại kết quả và cùng nguyên luận ⽂ kết quả ⽐ so;
4 ) gặp được khó khăn cùng giải quyết ⽅ án;
5 ) Bio-OS Workspace ở xuất hiện lại trong quá trình ứng ⽤ thể nghiệm.
Chú: Tiến ⼊ trận chung kết đoàn đội cần dựa theo đệ trình luận ⽂ xuất hiện lại báo cáo chuẩn bị trận chung kết hiện trường diễn ⽰ ( PPT tài liệu ), tổ ủy hội tổ chức ⾏ nghiệp thâm niên giám khảo hiện trường cho điểm xác định đoạt giải thứ tự.
Bình thẩm tiêu chuẩn
1. Luận ⽂ ảnh hưởng ⼒: Căn cứ tuyển định luận ⽂ phát biểu thời gian cùng ảnh hưởng nhân ⼦ đánh giá.
2. Xuất hiện lại khó dễ độ: Căn cứ xuất hiện lại luận ⽂ hay không có cung cấp nguyên số hiệu hoặc là công khai chỉ đạo tư liệu đánh giá.
3. Xuất hiện lại hoàn chỉnh độ: Căn cứ xuất hiện lại kết quả chuẩn xác tính, hoàn chỉnh tính cùng giải quyết gặp được vấn đề có thể ⼒ đánh giá.
4. Bio-OS Workspace ứng dụng: Đánh giá người dự thi lợi ⽤ Bio-OS Workspace có thể ⼒, bao gồm số liệu xử lý, phân tích lưu trình thiết kế, biểu đồ chế tác chờ.
5. Mặt khác: Căn cứ người dự thi đệ trình luận ⽂ xuất hiện lại báo cáo hoàn chỉnh tính cập quy phạm tính đánh giá.
Bio-OS nhiệm vụ khiêu chiến đường đua là một cái từ tổ chức phương giả thiết tái đề, cụ bị nhất định tính khiêu chiến, cho phép người dự thi lấy đơn người hoặc là nhiều người tổ đội hình thức tham gia đường đua. Dự thi đoàn đội yêu cầu ở đấu vòng loại thời hạn cuối cùng trước hoàn thành tái đề, cũng dựa theo yêu cầu đệ trình tài liệu yêu cầu. Bổn đường đua tái đề yêu cầu người dự thi ở Bio-OS trung xây dựng cụ bị sinh vật tin tức năng lực phân tích công cụ, cũng thông qua đại mô hình năng lực cùng công cụ tiến hành lẫn nhau.
Ở cái này đường đua trung, ngươi không riêng có thể phát huy sinh tin chuyên nghiệp tri thức, còn có thể đủ học tập cùng thực tiễn đại mô hình cùng với agent các hạng năng lực, phát huy sức tưởng tượng của ngươi, đem đại mô hình năng lực ứng dụng đến sinh tin trung, dựng ra chính ngươi sinh tin trí năng thể.
Bổn đường đua tái đề: Căn cứ vào đại mô hình Bio-OS sinh vật tin tức phân tích trí tuệ ứng dụng dựng
Lấy Bio-OS làm cơ sở thạch, xây dựng cụ bị sinh vật tin tức năng lực phân tích công cụ, tiến tới mượn dùng số hiệu khai phá hoặc nút thắt AI ứng dụng khai phá ngôi cao, chế tạo ra tổng thể sinh vật tin tức phân tích trí tuệ ứng dụng. Tại đây trong quá trình, cần trọng điểm chú ý như thế nào hữu hiệu kết hợp đại mô hình cường đại công năng cùng sinh vật tin tức phân tích chuyên nghiệp tri thức, lấy thực hiện dưới mục tiêu:
1. Thăm dò sáng tạo ứng dụng cảnh tượng, thúc đẩy Bio-OS ở sinh mệnh khoa học lĩnh vực rộng khắp ứng dụng;
2. Đầy đủ lợi dụng đại mô hình ưu thế, ưu hoá trí tuệ ứng dụng người dùng thể nghiệm, làm này càng cụ thực dụng tính ôn hoà dùng tính.
Thông qua lần này thi đua, chờ mong người dự thi nhóm có thể bày ra ra ở sinh vật tin tức phân tích, đại mô hình ứng dụng cùng phần mềm khai phá chờ nhiều phương diện trác tuyệt mới có thể cùng sáng tạo tư duy.
Trường hợp tham khảo:【Bio-OS⽤ hộ chỉ nam 】
【Bio-OS API⽂ đương 】
【 nút thắt ⽤ hộ chỉ nam 】
Đệ trình đấu vòng loại tác phẩm yêu cầu
Đệ trình thời hạn cuối cùng vì 2024 năm 9 nguyệt 13 ngày 24:00
Thỉnh đem dưới đệ trình nội dung gửi đi đến hộp thư: bioosopensource@163
1. ⼀ cái tên vì "Nhiệm vụ khiêu chiến - đội ngũ tên" hạng ⽬ giới thiệu ⽂ đương, ⽂ đương trung ứng bao hàm dưới nội dung:
1 ) đối hạng ⽬ chỉnh thể giới thiệu: Trình bày có này đó công năng, hạch ⼼ lượng điểm, giải quyết vấn đề chờ;
2 ) Bio-OS workspace liên tiếp cập workspace trung nội dung giới thiệu: Trình bày giải quyết sinh tin cái gì thực tế nghiệp vụ, thực hiện phương thức;
3 ) ⼤ mô hình ứng ⽤ giới thiệu: ⼤ mô hình ứng ⽤ phỏng vấn ⽅ thức, sáng tạo ý nghĩ, cắm kiện dựng ⽅ thức chờ;
4 ) đoàn đội giới thiệu: Đoàn đội thành viên giới thiệu;
5 ) hoàn chỉnh hiệu quả Demo video liên tiếp.
2. Hoàn chỉnh ứng dụng tác phẩm: Nếu là nút thắt dựng ứng dụng có thể tuyên bố đến nút thắt cửa hàng hoặc là phi thư trung, nếu này đây mặt khác hình thức làm ra ứng dụng bày ra nội dung hình thức không hạn, nhưng yêu cầu kỹ càng tỉ mỉ thuyết minh thể nghiệm nhập khẩu cập thể nghiệm phương thức.
Bình thẩm tiêu chuẩn
1. Bio-OS sinh tin phân tích lưu trình: Căn cứ thực hiện khó khăn, thực dụng tính, workspace hoàn thiện trình độ tiến hành đánh giá ( 60% ).
2. Đại mô hình ứng dụng: Căn cứ chuẩn xác suất, thực hiện khó khăn, dễ dùng tính, sáng tạo tính chờ nhiều duy độ tiến hành đánh giá ( 20% ).
3. Tổng hợp đánh giá phân: Căn cứ thực tế hiệu quả, hồ sơ nội dung, sáng tạo tính tiến hành đánh giá ( 20% ).
AI thuật toán đường đua vì đánh bảng tái, ban tổ chức sẽ căn cứ dự thi đoàn đội đệ trình kết quả, định kỳ đổi mới bảng đơn. AI thuật toán tái
Nói bao hàm hai cái tái đề, dự thi đội có thể nhậm tuyển thứ nhất dự thi:
Tái đề một: Tế bào trạng thái cùng loại hình cao độ chặt chẽ giám định
Tổng hợp vận dụng không gian định vị tin tức cùng sang băng tổ số liệu, xây dựng mô hình lấy tự động hoá phân loại tế bào loại hình cùng trạng thái. Chỉ ở
Tăng lên bệnh lý chẩn bệnh chính xác độ cùng hiệu suất, thực hiện tế bào loại hình cùng hình thái càng tinh tế định nghĩa, cũng thúc đẩy Bio-OS
Ở AI4Science lĩnh vực rộng khắp ứng dụng.
Dự thi chỉ đạo:
1. Người dự thi yêu cầu sử dụng chiều sâu học tập hoặc LLM( đại ngôn ngữ mô hình ) đối kết quả tiến hành đoán trước;
2. Người dự thi có thể sử dụngBánh nhân đậuTới tiến hành phụ trợ tiến hành đoán trước, bao gồm nhưng không giới hạn trong: Trực tiếp thiết kế prompt sử dụng
Bánh nhân đậu đối kết quả tiến hành đoán trước, sử dụng bánh nhân đậu đạt được càng hoàn thiện kỹ thuật phương án, lợi dụng bánh nhân đậu thu hoạch kỹ thuật duy trì chờ;
3. Người dự thi có thể mượn dùng lần này công khai số liệu ở ngoài số liệu đối mô hình hoặc là thuật toán tiến hành điều giáo;
4. Mượn dùng đã phát biểu khai nguyên mô hình tiến hành Finetune mô hình cùng kết quả cũng có thể bị tiếp thu, nhưng là yêu cầu ở đại
Mã trung minh xác thanh minh nơi phát ra;
5. Thi đấu số liệu chia làm công khai số liệu cùng khảo hạch số liệu hai bộ phận, trong đó công khai số liệu mở ra download, khảo hạch số liệu không
Mở ra download. Số liệu nhãn đều không mở ra download.
6. Người dự thi nhưng khai phá thuật toán sau đối công khai số liệu làm ra đoán trước, đem đoán trước kết quả thượng truyền Bio-OS, từ hệ thống đánh giá
Làm đấu vòng loại thành tích, thi đấu trong lúc mỗi ngày nhưng đệ trình một lần. Bảng đơn mỗi tuần đổi mới một lần.
7. Người dự thi nếu sử dụng copilot hoặc agent chờ tuyến đầu kỹ thuật, làm thi đấu thêm phân hạng.
Số liệu miêu tả
Thỉnh xem xéthttps://bio-os.github.io/activity/helpTrung tái đề một thi đấu sử dụng số liệu thuyết minh
[ thi đấu sử dụng số liệu thuyết minh.pdf]
Tái đề một bình thẩm quy tắc:
1.AI thuật toán đường đua đấu vòng loại bình thẩm chọn dùng đánh bảng phương thức, thi đấu trong lúc người dự thi thượng truyền kết quả, mô hình cùng số hiệu
( mô hình hoặc là thuật toán ở đệ nhất giai đoạn không tham dự chấm điểm, nhưng cần người dự thi thượng truyền đến Bio-OS ngôi cao ), hệ thống đem này
Cùng groundtruth tiến hành tương đối tính toán, tính toán sở dụng groundtruth đối người dự thi phi công khai;
2. Đấu vòng loại cuối cùng đánh bảng thành tích, quyết định tiến vào đấu bán kết đội ngũ. Tiến vào đấu bán kết đội ngũ yêu cầu ở Bio-OS thượng cấu
Kiến ví dụ thực tế, đệ trình số hiệu cùng mô hình, ở khảo hạch số liệu thượng vận hành, cũng tính toán chỉ tiêu làm cuối cùng thành tích;
3. Đánh giá đoán trước kết quả bao gồm đại đàn chú thích kết quả cùng á đàn chú thích kết quả. Cuối cùng lấy AUC giá trị đánh giá, sử dụng hàm số sklearn.metrics. roc_auc_score tính toán, tính toán công thức nhưng tham khảo:
![](https://s5.51cto.com/oss/202406/20/e199446bf3f8e09d9a2772f21e85f561.png)
4. Đấu bán kết đánh giá quy tắc sẽ ở AUC giá trị cơ sở thượng gia tăng thuật toán hiệu suất, mới mẻ độc đáo tính chờ góc độ tổng hợp bình phán.
Tái đề nhị: Kháng thể cùng kháng nguyên năng lượng liên kết lực đoán trước
Lợi dụng kháng thể cùng kháng nguyên kết hợp trước danh sách cùng kết cấu tin tức, xây dựng mô hình mà chống đỡ hai người năng lượng liên kết lực tiến hành đoán trước. Chỉ ở tăng lên AI mô hình đối với kháng thể cùng kháng nguyên hỗ trợ lẫn nhau cơ chế lý giải cùng học tập, xúc tiến protein loại dược vật AI thiết kế phát triển, cũng thúc đẩy Bio-OS ở AI4Science lĩnh vực rộng khắp ứng dụng.
Dự thi chỉ đạo:
1. Người dự thi yêu cầu sử dụng chiều sâu học tập hoặc LLM( đại ngôn ngữ mô hình ) đối kết quả tiến hành đoán trước;
2. Người dự thi có thể sử dụngBánh nhân đậuTới tiến hành phụ trợ tiến hành đoán trước, bao gồm nhưng không giới hạn trong: Trực tiếp thiết kế prompt sử dụng bánh nhân đậu đối kết quả tiến hành đoán trước, sử dụng bánh nhân đậu đạt được càng hoàn thiện kỹ thuật phương án, thu hoạch kỹ thuật duy trì, giới thiệu số liệu loại hình chờ;
3. Người dự thi có thể mượn dùng thi đấu cung cấp số liệu ở ngoài “Vô nhãn số liệu” đối mô hình hoặc là thuật toán tiến hành điều giáo, có nhãn số liệu chỉ có thể sử dụng thi đấu cung cấp số liệu;
4. Người dự thi có thể ở số liệu xử lý giai đoạn cùng mô hình huấn luyện giai đoạn lợi dụng nhưng công khai sử dụng lực tràng, năng lượng tính toán phần mềm, nhưng cuối cùng đoán trước kết quả yêu cầu từ mô hình trung trực tiếp được đến;
5. Mượn dùng đã phát biểu khai nguyên mô hình tiến hành Finetune mô hình cùng kết quả cũng có thể bị tiếp thu, nhưng yêu cầu ở số hiệu trung minh xác thanh minh nơi phát ra, nếu khai nguyên mô hình là kháng thể & kháng nguyên năng lượng liên kết lực đoán trước mô hình, tắc yêu cầu sử dụng thi đấu số liệu đối này một lần nữa huấn luyện;
6. Thi đấu số liệu chia làm công khai số liệu cùng khảo hạch số liệu hai bộ phận, trong đó công khai số liệu mở ra download, khảo hạch số liệu không
Mở ra download. Số liệu nhãn đều không mở ra download.
7. Người dự thi nhưng khai phá thuật toán sau đối công khai số liệu làm ra đoán trước, đem đoán trước kết quả thượng truyền Bio-OS, từ hệ thống đánh giá
Làm đấu vòng loại thành tích, thi đấu trong lúc mỗi ngày nhưng đệ trình một lần. Bảng đơn mỗi tuần đổi mới một lần.
8. Người dự thi nếu sử dụng copilot hoặc agent chờ tuyến đầu kỹ thuật, làm thi đấu thêm phân hạng.
Số liệu miêu tả:
• đấu vòng loại số liệu tập:
○ huấn luyện tập:
▪ từ SAbDab cơ sở dữ liệu trung sàng chọn ra 3251 cái ở vào kết hợp thái kháng nguyên - kháng thể hợp chất, không quen cùng lực nhãn.
○ nghiệm chứng tập:
▪ từ SAbDab cơ sở dữ liệu trung sàng chọn ra 405 cái ở vào kết hợp thái kháng nguyên - kháng thể hợp chất, có lực tương tác nhãn ( lực tương tác nhãn nguyên tự SAbDab cơ sở dữ liệu ).
○SKEMPI v2.0 số liệu tập ( clean_skempi.csv ):
▪KEMPI: Structural database of Kinetics and Energetics of Mutant Protein Interactions;
▪ bao hàm đến từ 323 cái hoang dại hình protein hợp chất tổng cộng 6652 cái đột biến hình lực tương tác biến hóa tình huống;
▪ cung cấp đột biến hình phát sinh đột biến vị trí cùng đột biến sau axit amin chủng loại;
▪ hoang dại hình protein hợp chất kết cấu có thể căn cứ PDB id tự hành download.
○ thí nghiệm tập:
▪98 cái ở vào kết hợp thái kháng nguyên kháng thể hợp chất.
○ sở hữu kháng nguyên - kháng thể hợp chất số liệu mệnh danh:
▪ "{ hàng mẫu id}_{ kháng thể trọng / nhẹ liên id}_{ kháng nguyên liên id}"
▪ tỷ như: Hàng mẫu 0000_HL_A.pdb, tỏ vẻ hàng mẫu id vì 0000, kháng thể trọng liên vì H, kháng thể nhẹ liên vì L, kháng nguyên liên vì A
▪ có chút kháng thể trung khả năng chỉ bao hàm trọng / nhẹ liên trung một cái liên, có chút kháng nguyên khả năng bao hàm hơn liên
• đấu bán kết số liệu tập:
○ huấn luyện tập:
▪ từ SAbDab cơ sở dữ liệu trung sàng chọn ra 3251 cái ở vào kết hợp thái kháng nguyên - kháng thể hợp chất, không quen cùng lực nhãn;
▪ từ SAbDab cơ sở dữ liệu trung sàng chọn ra 502 cái ở vào kết hợp thái kháng nguyên - kháng thể hợp chất, có lực tương tác nhãn ( lực tương tác nhãn nguyên tự SAbDab cơ sở dữ liệu ).
○SKEMPI số liệu tập:
▪ cùng đấu vòng loại
○ thí nghiệm tập -Apo:
▪ bao hàm 42 đối ở vào trạng thái phân li ( Apo ) kháng nguyên cùng kháng thể.
▪ đối với mỗi một đôi hàng mẫu, kháng nguyên cùng kháng thể phân biệt chứa đựng với bất đồng.pdb văn kiện trung, tỷ như 0000_antibody.pdb & 0000_antigen.pdb
Tái đề nhị bình thẩm quy tắc:
1. Ở cung cấp kháng thể - kháng nguyên đối PDB văn kiện dưới tình huống, đoán trước cấp định kháng thể cùng kháng nguyên kết hợp lực tương tác ( kcal/mol ). Đem tính toán đoán trước năng lượng liên kết lượng cùng thực tế năng lượng liên kết lượng chi gian Spearman Correlation, đánh giá sử dụng hàm số vì scipy.stats.spearmanr(predicted_energy, real_energy).
2. Đấu bán kết đánh giá quy tắc sẽ ở Spearman Correlation giá trị cơ sở thượng gia tăng thuật toán hiệu suất, mới mẻ độc đáo tính chờ góc độ tổng hợp bình phán.
Đệ trình tài liệu
Đệ trình liên tiếp:https://bio-os.github.io/activity/help
Đệ trình thời hạn cuối cùng vì 2024 năm 9 nguyệt 13 hào 24:00
Tái đề một
Người dùng cần đem đoán trước kết quả, mô hình, số hiệu, readme ( bao hàm mô hình cùng số hiệu thuyết minh ) văn kiện, thượng truyền đến Bio-OS ngôi cao, đại tái đem thông qua đối kết quả văn kiện trung tế bào đại đàn chú thích, á đàn chú thích kết quả, mô hình cùng số hiệu tiến hành tổng hợp đánh giá. Yêu cầu thượng truyền đoán trước kết quả cách thức vì csv.
Tế bào đại đàn chú thích kết quả biểu ( bảng biểu nội giá trị vì mỗi cái tế bào trung thuộc về mỗi loại tế bào loại hình xác suất ):
![](https://s4.51cto.com/oss/202406/20/a9e17bf0c6f3f4f07e38664845159c54.png)
Tế bào á đàn chú thích kết quả biểu:
![](https://s3.51cto.com/oss/202406/20/b8dd02125163167d4c2a6176e700c590.png)
Chú ý:
Vì bảo đảm hậu trường phân biệt đánh giá phần mềm có thể chuẩn xác tính toán các vị người dự thi đệ trình kết quả, đánh dấu tế bào loại hình tên thỉnh nghiêm khắc tham khảohttps://doi.org/10.1038/s41587-021-01139-4,Nếu phạm vi bên ngoài tên đem bị phán sai.
Tái đề nhị
Người dùng cần đem đoán trước kết quả, mô hình, số hiệu, readme ( bao hàm mô hình cùng số hiệu thuyết minh ) văn kiện, thượng truyền đến Bio-OS ngôi cao, đại tái đem thông qua đối kết quả văn kiện trung kháng thể - kháng nguyên đối lực tương tác đoán trước giá trị, mô hình cùng số hiệu tiến hành tổng hợp đánh giá. Yêu cầu thượng truyền đoán trước kết quả cách thức vì csv.
![](https://s3.51cto.com/oss/202406/20/8747267bcf325bbffe43f792961a4c5c.png)
Ra đề mục người tỏ ý cảm ơn
( xếp hạng chẳng phân biệt trước sau )
Tiết đông vũ, ByteDance Research AI chế dược đoàn đội nghiên cứu viên, tiến sĩ tốt nghiệp ở cùng tế đại học, làm AI kháng thể thiết kế tương quan thuật toán nghiên cứu, chủ yếu lợi dụng chiều sâu sinh thành mô hình tiến hành cao chất lượng kháng thể thiết kế cùng ưu hoá.
Nhìn chung toàn, ByteDance Research AI chế dược đoàn đội người phụ trách. Hắn nghiên cứu lĩnh vực là trí tuệ nhân tạo cùng máy móc học tập, trọng điểm bao gồm phi đột ưu hoá, chiều sâu học tập, cường hóa học tập, đại ngôn ngữ mô hình cùng chiều sâu sinh thành mô hình, hơn nữa lợi dụng trí tuệ nhân tạo ở sinh vật học, y học, hóa học cùng vệ sinh công cộng chờ lĩnh vực xúc tiến khoa học phát hiện.
Trương quảng hâm, tìm nhân sinh vật sinh tin người phụ trách, tốt nghiệp ở Nam Kinh đại học, thâm canh gien nhiều tổ học kiểm tra đo lường sản phẩm nghiên cứu phát minh cùng số liệu phân tích lĩnh vực nhiều năm. Năm gần đây ngắm nhìn với không gian cùng đơn tế bào sang băng tổ số liệu chiều sâu phân tích và sản nghiệp hóa rơi xuống đất ứng dụng.