Open Materials 2024
Open Materials 2024 (OMat24) 是Meta发布的开源数据集，包含超过1.1亿个无机材料的密度泛函理论（DFT）计算数据，并配备了预训练的图神经网络模型EquiformerV2。该模型在材料的基态稳定性及形成能预测方面具有卓越表现，为新材料的发现和设计提供了高效工具。其核心功能包括大规模数据集支持、高效的材料属性预测以及在多个领域（如能源、环境、催化等）的实际应用潜力。
机器学习
PhotoDoodle
PhotoDoodle是一种基于少量样本学习的艺术化图像编辑框架，能够精准复现艺术家风格并应用于照片涂鸦。它采用两阶段训练策略，结合位置编码重用和无噪声条件范式，确保生成效果与背景一致。支持装饰元素添加、背景保留、指令驱动编辑等功能，并通过低秩适应技术实现高效风格定制。项目提供高质量数据集和开源资源，适用于数字艺术创作、商业设计、社交媒体等多个场景。
MultiBooth
MultiBooth是一种由多所高校和研究机构联合开发的多概念图像生成工具，能够根据文本提示生成包含多个指定概念的高质量图像。其核心技术包括单概念学习和多概念整合，采用多模态编码器、自适应归一化和区域定制化模块，实现高效、精准的图像生成。支持插件式架构，具备良好的扩展性和灵活性，适用于创意设计、广告、教育、电商及科研等多个领域。
GraphReasoning
GraphReasoning 是一种基于人工智能的知识图谱构建工具，能够将大量科学文献转化为结构化的知识图谱。其主要功能包括知识图谱构建、结构分析、图推理、多模态数据处理及路径采样策略等，旨在促进跨学科创新、材料设计及复杂问题解答。同时，该工具通过自然语言处理、机器学习和推理算法实现智能化分析，并提供可视化界面支持。
PaperBench
PaperBench是OpenAI开发的AI智能体评测基准，用于评估其复现顶级机器学习论文的能力。它涵盖从理解论文、编写代码到执行实验的全流程，具备8316个评分节点和自动评分系统。支持多种智能体配置，提供标准化测试环境，适用于模型优化、学术验证及教育实践等领域，推动AI研究的标准化发展。
Fractal Generative Models
Fractal Generative Models 是一种基于分形架构的图像生成技术，通过递归调用“原子模块”实现逐像素生成高分辨率图像。该模型结合 Transformer 模块，采用分而治之策略，大幅提升计算效率。不仅适用于图像生成，还可扩展至分子结构、蛋白质等高维数据建模，具有广泛的应用潜力。
