DIGITAL TWIN LAB / UNDER CONSTRUCTION

让研究有记忆。
让改进有证据。

我正在构建多肽科研数字孪生体:用科研 harness 承载方法、经验与判断,用知识 Wiki 连接证据。它的成长,应该能从每天的真实变化中看见。

TWO PROJECTS / REAL DEVELOPMENT FOOTPRINTS

一天一天,看见建设。

两条日期对齐的轨道,记录真实提交。开发活跃度与科研能力进步分别衡量。

2026-09-10 → 2026-10-09 · UTC

agentic_ai_platform

30 日实际提交

2646

独立尺度:0 → 272 提交/日;两轨颜色深浅不可横比。

knowledge_wiki

30 日实际提交

4

独立尺度:0 → 2 提交/日;两轨颜色深浅不可横比。

UTC 部分日

agentic_ai_platform21提交

knowledge_wiki0提交

—:未覆盖/不可用;0:已观测且没有提交。今日是部分日。每一格都可点击或用键盘选择。

来源观察时间: · UTC
按服务端默认主分支快照的完整历史、committer 时间统计非合并提交。PR 数据尚未接通,未将缺失值记为零。

RESEARCH / FOUR DIRECTIONS

已有的方法,仍然接受检验。

Hit Identification命中发现

我研究如何从活性线索中找到值得验证的候选,也检查相近的多肽序列为何可能表现迥异。

相关研究AMPCliff ↗

Lead Optimization先导优化

我关注序列与结构的小改变怎样影响结合,让每轮先导优化有可以比较的依据。

相关研究PepDDG ↗

Multi-objective Optimization多目标优化

我关心如何在活性、选择性、稳定性与可开发性之间取舍,寻找可解释的折中。

Foundation Models基础模型

我研究如何从分子与多肽数据中学习可迁移的表征,为预测、筛选与设计提供支撑,并检验迁移的边界。

四个相互关联的研究方向。基础模型提供表征支撑;它们不构成固定的先后流程。计算结果仍需要实验检验。

阅读研究方法与结果 ↗

KNOWLEDGE / PUBLIC RESEARCH MAP

把问题、方法与证据连起来。

这张脑形地图整理公开论文中的概念联系,是走近研究的一个入口;它不是私人 Wiki 的拓扑,也不表示知识库增长。

公开论文 · 概念连接

公开多肽知识的脑形概念图 七个有来源的公开节点。数字与下方可读图例对应。曲线是编辑性关系,不是私有知识库拓扑。

脑形布局与连接依据公开来源编排,表示概念联系,不表示私人知识库的拓扑或增长。

公开知识 / 选择节点

多肽智能

表征如何连接多肽化学、结构与功能?这是这张公开概念地图的组织问题。

PepLand · 2023 author manuscript ↗

公开来源核对:2026-10-08 UTC

曲线说明:表征方法连接化学与结构;活性与结构证据连接可追溯知识。连接表示概念关联,不表示算法已互相集成。

全部节点与可查来源
  • 多肽智能 ↗

    表征如何连接多肽化学、结构与功能?这是这张公开概念地图的组织问题。

  • PepLand ↗

    原子与片段视图用于表征天然和非天然多肽化学。

  • PepHarmony ↗

    训练时对比对齐序列与结构,下游推理使用序列编码器。

  • AMPCliff ↗

    序列微小变化可能引发活性大幅改变,专门的基准划分暴露难以预测的区域。

  • 环肽结构证据 ↗

    RFpeptides 的公开晶体结构为多肽设计分析提供结构对照,包括 GAB_D23–GABARAP(9HGD)。

  • PepDDG ↗

    通过信息通道分解预测多肽–蛋白结合 ΔΔG。研究页展示本人授权的 V4 方法与结果;接收状态由本人确认。

  • 证据 → 知识 ↗

    编辑性联系:保留来源、不确定性和测试边界,为下一次推理提供基础。这是设计目标,不是实测学习曲线。

编号对应页面下方的知识图例。

INTELLIGENCE FLYWHEEL / TWO LOOPS

改进研究,也改进研究的方法。

实验反馈有成本,也需要时间。我希望经验能更早成为下一次研究的起点:一条循环改进多肽设计,另一条循环改进产生设计的系统。

科研循环

问题 → 设计 → 对照与证据 → 修订

结果和失败都进入下一轮判断。

HARNESS LOOP

经验 → 能力缺口 → 方法改进 → 独立评价

通过评价的方法,才返回科研循环。

这是建设方向。当前发布仍由人审查,自主科研与自主合并闭环尚未获得运行证据。

展开:认知系统如何积累经验

经验

保留任务的证据、结果与失败边界。

知识

把经验转为有来源、可检索的知识。

诊断

识别方法缺口,提出有依据的改进。

优化

更新 skills、工具与工作流的候选版本。

评价

独立检查固定条件下的变化;评估器也接受检验。