机器学习

计算化学革命:从薛定谔方程到分子设计的数字未来

当我们谈论化学时,脑海中浮现的往往是试管、烧瓶和烟雾缭绕的实验室。然而,在过去三十年里,一场悄无声息的革命正在改变化学研究的核心方式——计算化学已经从理论物理学家书桌上的草稿纸,成长为能够预测分子性质、设计新药物、发现新材料的强大工具。本文将深入探讨计算化学的理论基础、核心方法、前沿突破以及它如何重塑整个化学科学。

量化投资策略:从统计套利到机器学习的演进

系统梳理量化投资核心方法论,从CAPM和Fama-French因子模型,到统计套利与高频交易微观结构,再到机器学习(CNN/LSTM/Transformer/GNN)与强化学习在量化中的应用,涵盖Black-Litterman组合优化和Barra风险模型,展望大模型、DeFi量子计算等前沿趋势。

机器学习的工程化:从实验模型到生产系统的落地之路

机器学习系统与普通软件系统最本质的区别在于:ML系统由代码和数据共同构成。实验中一个超参数的微小变化可能导致线上效果剧烈波动。这种不确定性基于数据的变化通过代码传播到模型的复杂因果关系,使得ML系统的工程化远比传统软件工程复杂。