Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
 
← Về danh sách

Kỹ năng học máy phân tử DeepChem

Hướng dẫn Claude xây dựng pipeline dự đoán tính chất phân tử với DeepChem: nạp dữ liệu SMILES, tạo đặc trưng, huấn luyện ML truyền thống, GNN và mô hình tiền huấn luyện.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 9/10Cập nhật lần cuối: 9 thg 8, 2026

Kỹ năng này làm gì

  • Cung cấp mẫu mã cho toàn bộ quy trình DeepChem 2.8.0: nạp dữ liệu (SMILES, SDF, chuỗi protein), tạo đặc trưng (fingerprint vòng, đồ thị, descriptor), chia dữ liệu, huấn luyện, đánh giá và dự đoán.
  • Hướng dẫn dùng các bộ benchmark MoleculeNet như Tox21, BBBP, Delaney cùng cách chia dữ liệu chuẩn đã công bố.
  • Bao gồm mạng nơ-ron đồ thị (GCN, GAT, MPNN, AttentiveFP) và transfer learning với ChemBERTa, GROVER, MolFormer.
  • Nêu các thực hành tốt: chia theo scaffold để tránh rò rỉ dữ liệu, xử lý dữ liệu mất cân bằng, tránh tràn bộ nhớ, và cách sửa lỗi cài đặt backend hoặc xung đột MKL.
  • Kèm ba script chạy được: predict_solubility.py, graph_neural_network.py, transfer_learning.py, cùng tài liệu tham chiếu API và workflow.

Phù hợp với ai

  • Nhà nghiên cứu hóa tin học, phát triển thuốc cần dự đoán ADMET, độc tính, độ tan.
  • Nhà khoa học dữ liệu mới bước vào ML cho dữ liệu hóa học và cần benchmark, baseline đáng tin cậy.
  • Kỹ sư ML muốn fine-tune mô hình phân tử tiền huấn luyện trên tập dữ liệu nhỏ.

Ví dụ sử dụng

  • "Huấn luyện mô hình dự đoán độ tan trên Delaney rồi dự đoán cho CCO và benzen" → chạy predict_solubility.py và giải thích kết quả.
  • "So sánh AttentiveFP với baseline Random Forest + fingerprint trên Tox21" → dựng so sánh công bằng dựa trên chia scaffold.
  • "Tôi chỉ có 800 mẫu và mô hình bị overfit" → gợi ý fine-tune ChemBERTa hoặc chuyển sang mô hình đơn giản hơn.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/deepchem/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/deepchem từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/deepchem/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/deepchem ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và chuẩn bị môi trường Python 3.7–3.11 (không hỗ trợ 3.12+).
  2. Tải mã nguồn: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Sao chép thư mục kỹ năng: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/deepchem ~/.claude/skills/
  4. Nếu dùng GPU, cài PyTorch (hoặc TensorFlow/JAX) đúng bản CUDA trước.
  5. Cài DeepChem: bản lõi uv pip install deepchem, hoặc uv pip install 'deepchem[torch]' cho GNN và transfer learning.
  6. Khởi động lại Claude Code và thử yêu cầu: "dùng deepchem xây mô hình phân loại Tox21".
  7. Nếu import deepchem lỗi, kiểm tra backend đã cài; với conda gặp lỗi iJIT_NotifyEvent, chạy conda install "mkl<2025".
Xem mã nguồn trên GitHub ↗Giấy phép: MIT