QM9 分子性质预测：如何正确评估
明确 QM9 目标和单位，区分分子图与几何输入，防止评估泄漏，并保留原始数据与处理过程的来源记录。
指南
了解化学 AI 的核心概念、工具选型、部署方法与评估原则。需要具体的工具组合和设置步骤？可继续探索 Recipes。
分子图学习工具：PyG、e3nn 与 DGL-LifeSci
区分图学习基础设施、等变运算库及面向化学的 DGL 工具包，并从表示、评估和版本边界出发选择。
机器学习原子间势选型：MACE、SevenNet、CHGNet 与 MatGL
从训练域、能量与导数输出、计算器接口、模型资产许可及参考验证出发，比较材料研究中的原子间势与框架。
理解 Boltz-2：结构置信度与小分子亲和力
正确解读 Boltz-2 的置信度和亲和力输出，避免把结构分数当作结合测量，或把预测 IC50 当作 Kd。
AI 蛋白设计：骨架生成、序列设计与结构预测
区分 RFdiffusion 骨架生成、ProteinMPNN 序列设计和 Boltz 预测，理解文件交接、适用条件及实验验证边界。
如何在 Chemprop 和 DeepChem 之间选择
比较 Chemprop 对分子性质预测的专注方向与 DeepChem 更广泛的科学机器学习范围，然后通过共享数据、明确的输入与输出以及可复现的决策标准，规划公平的评估。