A4NN工作流在蛋白质衍射数据上的架构描述、模型检查点与训练历史 Architecture Descriptions, Model Checkpoints, and Training Histories for A4NN Workflow on Protein Diffraction Data

内容与字段

该数据集包含脚本、输入和输出数据，用于复现ICPP 2023论文中的结果。输入数据为模拟的X射线自由电子激光（XFEL）蛋白质衍射图像，分为低、中、高三种束强度，每种强度包含63,508张训练图像和15,876张测试图像（80/20分割）。输出数据包含使用A4NN工作流在不同GPU分布上生成的神经网络模型和元数据，每个实验包含100个NN模型，每个模型最多训练25个epoch，总计约72,900个模型相关文件。

• README.txt——说明文件，包含数据集使用说明
• 训练图像——模拟XFEL衍射图像，用于训练神经网络
• 测试图像——模拟XFEL衍射图像，用于测试神经网络
• NN模型——神经网络模型文件，每个实验100个
• 元数据——训练历史等元数据文件

适用研究

该数据集适用于蛋白质分类、神经网络架构搜索、可重复计算工作流等方向的研究。

本卡由来源页信息起草，机构/覆盖/时间/规模/字段与许可以官方为准（待人工核验）。