课题组研究方向

计算机辅助药物设计

针对疾病的靶点蛋白，利用深度学习和机器学习的方法删选出有效的候选药物分子，为后续药理和临床实验做指导。

Ligand是药物分子，几微克的计量可以大幅度改变人体机能，比如阿司匹林；蛋白质是参与人体生物化学反应的载体，比如某种癌症的靶点；

Autodock Koto，是我们团队开发基于梯度差分进化的分子对接算法。Compared with either commercial or academic docking programs, Koto yields dramatic improvements in the success rates of generating crystal-like complex conformations.

脑启发式神经网络

受生物神经元和脑神经回路启发，建模具有生物可解释性的人工神经网络架构，包括脉冲神经网络，树突神经网络。

树突状神经元模型（DNM），是我们提出的一种具有塑性树突状形态的新型单神经元模型。

DNM的神经结构由四层组成，即突触层、树突层、膜层和细胞体。每一层由不同的激励函数执行相应的神经功能。

通过神经修剪方案，DNM 可以消除多余的突触和树突分支，以简化其架构并为每个特定任务形成独特的神经元形态。
通过逻辑近似方案，DNM 可以转换为逻辑电路分类器 (LCC)，它仅由比较器和逻辑 AND、OR 和 NOT 门组成。
LCC 易于在硬件上实现大规模并行计算，例如现场可编程门阵列 (FPGA) 和超大规模集成 (VLSI)。

DNM的模型细节、相关论文和源码，见模型网站：https://jijunkai123.github.io/DNM/。

个人主页：https://www.researchgate.net/profile/Junkai-Ji