算法平台
MEGA AI
镁伽针对药物发现、化合物合成和工业产品表面缺陷检测等行业需求，搭建了MEGA AI算法平台，融合了包括小样本学习、强化学习和图计算等先进技术在内的CV与NLP算法，旨在以工业级的高精度深度学习算法有效解决行业痛点。
技术框架
TECHNICAL ARCHITECTURE
四大核心模块
Four core modules
-
丰富的CV算法库 -
丰富的NLP算法库 -
训练可视化与推理图表化 -
开放超参数调整
丰富的CV算法库
Mega AI集成了改进和微调后的ResNet系列、MobileNet系列、YOLO系列、YOLOX、FCOS、PFENet、UNet++、SOLO系列、ABCNet、ViT系列等10多种CV领域的深度学习算法
Mega AI集成了显示面板粒子定位模型、显示面板玻璃缺陷检测模型、芯片表面缺陷检测模型、芯片表面字符检测识别模型、晶圆表面缺陷检测分割模型、细胞分割模型、细胞跟踪模型、药物活性分析分类与聚类模型等30+个行业场景的预训练模型
分类
检测1
检测2
分割
分割2
定位
OCR
丰富的NLP算法库
Mega AI集成了改进和微调后的BERT、BM25、GAT、3N-MCTS、GCNN、Retro* 等近10种NLP、强化学习、图神经网络领域的深度学习算法
Mega AI集成了化学关键词抽取模型、化学合成路径预测模型、化学反应条件预测模型、化学反应有效率预测模型等10+个行业场景的预训练模型
化学关键词抽取
化学合成路径预测
化学反应条件预测
化学反应效率预测
训练可视化与推理图表化
在MegaTE模块中，以折线、曲线方式动态地显示当前训练过程中的参数变化，参数内容可配置。
在MegaIE模块中，以图表形式直观地显示推理结果。
开放超参数调整
在MegaTE模块中，开放了网络模型选择、硬件选择、数据增强方法、学习率、训练与验证样本比例、迭代中止条件等超参数，灵活地供用户自行配置，满足客制化要求。
