一、背景与介绍 深势科技（DeePTech）是一家将人工智能和物理模拟相结合，专注于解决复杂科学计算问题的科技公司，其技术应用涵盖分子模拟、材料科学、药物发现等多个领域。通过提升物理模拟效率，深势科技旨在加速科研进程，促进科学与工业的融合 。 二、试用玻尔 玻尔官网：https://www.bohrium.com/ Bohrium（玻尔） 应用，是一款面向科研人员的 AI 驱动研究平台

一、背景与环境信息 官方部署文档： https://github.com/coze-dev https://github.com/coze-dev/coze-studio 服务器信息： 主机名 IP 操作系统 规格 GPU情况 备注 ksp-registry 172.20.0.22 Ubuntu 20.04.3 LTS 1

一、背景 我有一个amd64构架的物理服务器，规格是64c核心、128G内存，磁盘空间充足。上面安装有一个NVIDIA A40 GPU，显存是46G左右。 我在此服务器上安装了Ubuntu 20.04.3 LTS操作系统，然后安装ollama与fastGPT 4.8.16，ollama是二进制形式部署的，fastGPT是通过docker-compose方式部署的，其中ollama拉取了q

一、向量概念 二、向量的运算 点积 \[ \begin{aligned} & 对于两个向量 \mathbf{a}=[a_1,a_2,…,a_n]和 \mathbf{b}=[b_1,b_2,…,b_n]，点积为：\\ & \mathbf{a}·\mathbf{b}=\sum_{i=1}^n(a_ib_i)=a_1b_1+a_2b_2+...+a_nb_n \end

第6章 支持向量机 6.1 间隔与支持向量 给定训练样本集D={(x1, y1), (x2, y2), ..., (xn, yn)}, yi∈{-1, +1}，分类学习就是要基于训练样本集D在样本空间中找到一个划分超平面，将不同类别的样本分开。但在实际划分时，这样划分超平面可能是会很多个，我们应该在这些可能存在的多个划分超平面中找到一个“最优”的，那如何找到它？ 这个最优的划分超平面应

第5章 神经网络 5.1 神经元模型 各相关学科对“神经网络”的定义各不相同。以下是1988年T. Kohonen在Neural Networks创刊时对神经网络给出的定义。 神经网络定义：神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 神经网络中最基本的元素或成分叫做 神经元模型，即上述定义中的所述的简单单元。

第4章 决策树 4.1 基本流程 决策树是一种常见的机器学习方法。决策树又叫判定树，是基于树结构来进行决策的，是一种跟人类做决策很类似的、自然的处理机制。比如，我们如果要判别“某个瓜是好瓜吗？”这个问题时，我们通常会进行一系列的判断或子决策：它是什么颜色的？如果是青绿色的，我们再看它的根蒂是什么形态的？如果是蜷缩的，那我们看它敲起来是什么声音？如果是浊响的，那么我们可能能因此做出决策：“这是一

一、二次型的定义及其矩阵表达式 \[ \text{二项式定理：}\\ (a+b)^n=\sum_{i = 0}^{n} C_n^ia^ib^{n-i}=\sum_{i = 0}^{n} C_n^ia^{n-i}b^i \] n元变量x1,x2,...,xn的二次齐次多项式（其中二次的意思是：每一项中所有变量的指数之和为2；齐次的意思是：指多项式中所有项的次数相同，对于二次齐次多项式，所

三、等价矩阵和矩阵的等价标准形 四、矩阵的轶 定义：设A是m×n矩阵，A中的最大的不为零的子行列式的阶数称为矩阵A的轶，记为r(A)。或这样定义：若存在k阶子式不为零，而任意k+1阶子式全为零（如果有的话），则k为矩阵A的轶，记作r(A)=k。 显然如果一个n阶方阵的轶为n，则可知： r(An×n)=n <=> |A|≠0 <=> A可逆

一、行列式的本质定义(定义一) ... 二、行列式的性质 ... 三、行列式的逆序数定义(定义二) 排列与逆序 排列：由n个数 1, 2, ..., n 组成的一个有序数组称为一个n级排列，如23145是一个5级排列，34521也是一5级排列。显然，由这样的n个数组成的n级排列一共有n!个。 逆序：在一个n级排列i1, i2, ..., in中，若is>it，且is排在it