资源
对学习过程中的数据集、框架、模型、论文、代码等进行整理，提供统一入口。
Keep Learning, Keep Growing, Keep Succeeding
欢迎大家在底部留言，提供其他资源链接，一起共建。
大模型(LLM)
AIGC
Model |
Source | Description |
|---|---|---|
| OPENAI-ChatGPT | https://openai.com/blog/chatgpt | 文本生成、对话 |
| DeepSeek | https://github.com/deepseek-ai | 国产开源LLM，MoE架构，DeepSeek-V3/R1 |
| Qwen (通义千问) | https://github.com/QwenLM/Qwen | 阿里开源LLM系列，Qwen2.5/Qwen3 |
| LLaMA | https://github.com/meta-llama | Meta开源大语言模型，LLaMA/LLaMA2/LLaMA3/LLaMA4 |
| Alpaca | https://github.com/tatsu-lab/stanford_alpaca | Stanford基于LLaMA指令微调 |
| Chinese-LLaMA-Alpaca | https://github.com/ymcui/Chinese-LLaMA-Alpaca | 中文LLaMA模型和指令精调的Alpaca大模型 |
| ChatGLM | https://huggingface.co/THUDM | 清华ChatGLM系列，ChatGLM3/ChatGLM4 |
IMAGE
Model |
Source | Description |
|---|---|---|
| DALL·E2/3 | https://openai.com/product/dall-e-2 | 文字生成图片 |
| Midjourney | https://www.midjourney.com/ | 生成图片精美，艺术性强 |
| Stable Diffusion | https://github.com/Stability-AI/stablediffusion | 开源文生图模型，SD1.5/SDXL/SD3 |
| Flux | https://github.com/black-forest-labs/flux | Black Forest Labs文生图模型 |
| ControlNet | https://github.com/lllyasviel/ControlNet | 可控图像生成，边缘/深度/姿态引导 |
VIDEO
Model |
Source | Description |
|---|---|---|
| Sora | https://openai.com/sora | OpenAI视频生成模型 |
| Runway Gen-3 | https://runwayml.com/ | 视频生成与编辑平台 |
| Kling (可灵) | https://kling.kuaishou.com/ | 快手视频生成模型 |
AUDIO
Model |
Source | Description |
|---|---|---|
| Whisper | https://openai.com/research/whisper | 语音识别，语音转文字 |
模型
经典卷积神经网络模型(CNN)
Model |
Paper | Description |
|---|---|---|
| LeNet-5 | Gradient-Based Learning Applied to Document Recognition | Yann LeCun（杨立昆）官网LetNet-5介绍；1998年提出的CNN模型，主要用于手写字体识别，目前的CNN模型都没有逃出LetNet-5的卷积、池化、全连接架构。顶级大牛！！！ |
| AlexNet | ImageNet Classification with Deep Convolutional Neural Networks | Alex官网AlexNet介绍；2012年提出的CNN模型， ImageNet LSVRC-2010竞赛冠军，具有划时代意义，再次之前主要用传统机器学习方法SVM，此后，深度学习发展迅速。 |
| VGG | Very Deep Convolutional Networks for Large-scale Image Recognition | Karen Simonyan，ImageNet LSVRC-2014竞赛亚军，VGG结构简单，应用性强，广受喜爱。VGG-16、VGG-19效果较好。 |
| GoogleNet | Going deeper with convolutions | ImageNet LSVRC-2014竞赛冠军，22层网络，Top5错误率比VGG低约0.6个百分点。（结构有点复杂，不如VGG通用） |
| ResNet | Deep Residual Learning for Image Recognition | 大名鼎鼎的残差神经网络，ImageNet LSVRC-2015竞赛冠军，152层残差网络结构，将Top5错误率降到3.57，已经超过人眼水平，此后ImageNet大赛不再举办。 |
Transformer / 大语言模型
Model |
Paper | Description |
|---|---|---|
| Transformer | Attention Is All You Need | 2017年Google提出，彻底改变NLP/CV格局，现代LLM的基石 |
| BERT | BERT: Pre-training of Deep Bidirectional Transformers | Google提出的预训练语言模型，NLU领域里程碑 |
| GPT-3 | Language Models are Few-Shot Learners | 1750亿参数，In-Context Learning能力 |
| GPT-4 | GPT-4 Technical Report | 多模态大模型，各项能力大幅提升 |
| LLaMA | LLaMA: Open and Efficient Foundation Language Models | Meta开源高效基础语言模型 |
| LLaMA 3 | LLaMA 3 | 8B/70B/405B，开源模型新标杆 |
| DeepSeek-V3/R1 | DeepSeek-V3 | MoE架构，671B参数，推理能力极强 |
| ViT | An Image is Worth 16x16 Words | Vision Transformer，将Transformer引入CV领域 |
| CLIP | Learning Transferable Visual Models | OpenAI多模态对齐模型，图文匹配 |
扩散模型(Diffusion Models)
Model |
Paper | Description |
|---|---|---|
| DDPM | Denoising Diffusion Probabilistic Models | 扩散模型奠基之作，去噪扩散概率模型 |
| Stable Diffusion | High-Resolution Image Synthesis with Latent Diffusion Models | 在潜空间进行扩散，大幅降低计算量 |
| DiT | Scalable Diffusion Models with Transformers | Diffusion Transformer，用Transformer替代U-Net，Sora基础 |
目标检测模型(ObjectDetection)
Model |
Paper | Description |
|---|---|---|
| R-CNN | Rich feature hierarchies for accurate object detection and semantic segmentation | Two Stage开山之作，深度学习与传统机器学习结合，先选中2000个候选区域，AlexNet提取特征向量，SVM二分类，识别区域是否有目标；训练回归器，选中区域目标位置。测试集上能达到58.5%准确率，当时的王者，缺点是慢，且空间消耗大。 |
| Fast R-CNN | Fast R-CNN | 基于R-CNN和SPPNets，进行模型改进。不需要再生成2000个候选区域，只需要特征提取一次，使用selective search生成2000个区域候选框，再CNN卷积，Rol池化形成特定长度特征向量，送入全连接FC，Softmax，输出定位信息。速度较R-CNN有提升，但依旧慢。 |
| Faster R-CNN | Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks | 结构上将特征抽取，region proposal提取，bbox regression（包围边框回归），分类都整合到了一个网络中，综合性能有较大提高，检测速度提升较大。 |
| YOLO v1 | You Only Look Once: Unified, Real-Time Object Detection | One Stage开山之作，将检测任务当做回归问题处理。优点是速度快，但精度下降。 |
| YOLO v2 | YOLO9000: Better, Faster, Stronger | YOLO v1改进，使用了新的网络模型Darknet-19，加入了BN层，起到正则化效果；使用了高分辨率分类器；带Anchor Boxes的卷积；对边框进行K-Means聚类，可以直接定位预测。速度快，准确率较YOLO V1有提升，精度比SSD差。 |
| YOLO v3 | YOLOv3: An Incremental Improvement | YOLO v2改进，使用新网络结构DarkNet-53，使用逻辑回归替代softmax作为分类器，融合FPN，实现多尺度检测。比较经典，在速度和准确率上都有提升，性能较好。也是作者的封笔之作，最后作者的自述比较有意思。In closing, do not @ me.(quit twitter)[破涕为笑] |
| YOLO v4 | YOLOv4: Optimal Speed and Accuracy of Object Detection | 将CV界大量研究成果进行了集成，提出了一套目标检测框架：输入、骨干、特征融合、输出；速度和精度上都有较大提升。 |
| YOLO v5 | YOLOv5 Source | YOLO4发布两个月后，Glenn Jocher发布YOLO5，只有框架源码，无论文。架构上无创新，但号称模型大小比YOLO4小了近90%，但速度与YOLOv4不分伯仲。 |
| YOLO v6 | YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications | 美团视觉智能部研发的目标检测框架，致力于工业应用。专注于检测精度和推理效率。Github/YOLOV6 |
| YOLO v7 | YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors | 总结就是目前(2022)模型最小、速度最快、精度最高的目标检测模型。Github/YOLOV7 |
| SSD | SSD: Single Shot MultiBox Detector | 是一种One Stage的检测模型，相比于R-CNN系列模型上要简单许多。其精度与Faster R-CNN相匹敌，而速度达到59FPS，速度上超过Faster R-CNN |
图神经网络(GNN)
Model |
Paper | Description |
|---|---|---|
| GCN | Semi-Supervised Classification with Graph Convolutional Networks | 图卷积网络奠基之作，将CNN推广到图结构数据 |
| GAT | Graph Attention Networks | 引入注意力机制的GNN，动态分配邻居节点权重 |
| Message Passing GNN | Neural Message Passing for Quantum Chemistry | 消息传递框架，材料/分子建模核心方法 |
| SchNet | SchNet: A Continuous-filter Convolutional Neural Network | 面向分子动力学/材料性质的GNN |
生成对抗网络(GAN)
Model |
Paper | Description |
|---|---|---|
| DCGANs | Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks | 卷积层与GAN相结合；并讨论了GAN特征的可视化、潜在空间插值、利用判别器特征来训练分类器、评估结果等问题。 |
| Improved Techniques for Training GANs | Improved Techniques for Training GANs | 分析了DCGAN，改进GAN训练的技术。 |
| Conditional GANs | Conditional Generative Adversarial Nets | 条件GAN是最先进的GAN之一，论文展示了如何整合数据的类标签，从而使 GAN 训练更加稳定。 |
| PG-GAN | Progressive Growing of GANs for Improved Quality, Stability, and Variation | 作者表示，这种方式不仅稳定了训练，GAN 生成的图像也是迄今为止质量最好的。 |
| BigGAN | Large Scale GAN Training for High Fidelity Natural Image Synthesis | BigGAN模型基于ImageNet生成图像质量最高的模型之一。 |
| StyleGAN | A Style-Based Generator Architecture for Generative Adversarial Networks | StyleGAN 模型非常先进，利用了潜在空间控制。 |
| CycleGAN | Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks | CycleGAN更具体地处理了没有成对训练样本的image-to-image转换的情况。CycleGAN有很多很酷的应用，比如超分辨率，风格转换，例如将马的图像变成斑马。 |
| Pix2Pix | Image-to-Image Translation with Conditional Adversarial Networks | Pix2Pix是另一种图像到图像转换的GAN模型。Pix2Pix有很多很酷的应用，比如将草图转换成逼真的照片。 |
| StackGAN | StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks | 与Conditional GAN 和Progressively Growing GANs最为相似。StackGAN是从自然语言文本生成图像。（牛） |
| GAN | Generative Adversarial Networks | 定义了GAN框架，并讨论了”非饱和”损失函数。论文在MNIST、TFD和CIFAR-10图像数据集上对GAN的有效性进行了实验验证。 |
数据集
数据集网站
Website |
Address | Description |
|---|---|---|
| 超神经 | https://hyper.ai/datasets/ | 收集了数百个公开数据集资源，整理并提供相应的存储服务免费提供给相关从业人员进行下载 |
| baai | https://data.baai.ac.cn/data | 若干数据集 |
| HuggingFace Datasets | https://huggingface.co/datasets | 最大开源数据集平台，涵盖NLP/CV/Audio等 |
指令微调(FineTuning)
Dataset |
Source | Description |
|---|---|---|
| openai human feedback | https://github.com/openai/following-instructions-human-feedback/tree/main/automatic-eval-samples | 自动摘要、数学计算式问答、机器翻译、阅读理解、情感计算、推理、问答系统 |
| Alpaca Dataset | https://github.com/tatsu-lab/stanford_alpaca | Stanford Alpaca 52K指令微调数据集 |
| ShareGPT | https://huggingface.co/datasets/shibing624/sharegpt_gpt4 | ChatGPT多轮对话数据集 |
计算机视觉(CV)
Datasets |
Source | Description |
|---|---|---|
| MNIST | http://yann.lecun.com/exdb/mnist/ | 手写数字识别；计算机视觉入门级数据集，包含各种手写数字图片。 |
| Fashion-MNIST | https://github.com/zalandoresearch/fashion-mnist | 服饰识别；MNIST数据集过于简单，Fashion-MNIST可替代MNIST数据集，作为机器学习与深度学习算法基准。 |
| ImageNet | http://www.image-net.org | 图像识别；大规模数据集，几大经典CNN模型，AlexNet、VGG、GoogleNet、ResNet在ILSVRC大赛数据集。 |
| MS-COCO | https://cocodataset.org | 目标检测、语义分割、图像标题生成；大规模的数据集。 |
| CIFAR-10 | http://www.cs.toronto.edu/~kriz/cifar.html | 图像分类；10个类别，每个类别6000张图片，5w个训练图片、1w个测试图片。 |
| SVHN | http://ufldl.stanford.edu/housenumbers/ | 目标检测、文字检测；街景门牌号数据集，来源于谷歌街景图片。 |
| Open Images | https://storage.googleapis.com/ | 语义分割、目标检测、图像分类；V4-V7 |
| LAION-5B | https://laion.ai/blog/laion-5b/ | the largest, freely accessible multi-modal dataset that currently exists.(目前最大的多模态开源数据集) |
自然语言处理(NLP)
Datasets |
Source | Description |
|---|---|---|
| ACL-IMDB | http://ai.stanford.edu/~amaas/data/sentiment/ | 电影评论数据集；大规模情感二分类数据集。 |
| WordNet | https://wordnet.princeton.edu/ | 英语词库数据集 |
| CLUECorpus2020 | https://github.com/CLUEbenchmark/CLUECorpus2020/ | 通过对Common Crawl的中文部分进行语料清洗，最终得到100GB的高质量中文预训练语料 |
| MNBVC | https://github.com/esbatmop/MNBVC | 超大规模中文语料集，包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。数据均来源于互联网收集。 |
材料科学数据集
Dataset |
Source | Description |
|---|---|---|
| Materials Project | https://materialsproject.org/ | 最大无机材料计算数据库，含晶体结构、能带、热力学等数据 |
| AFLOW | http://aflowlib.org/ | 合金材料高通量计算数据库 |
| OQMD | http://oqmd.org/ | 开放量子材料数据库，DFT计算热力学数据 |
| NOMAD | https://nomad-lab.eu/ | 计算材料科学数据归档与检索平台 |
| COD | https://www.crystallography.net/cod/ | 开放晶体学数据库，含50万+晶体结构 |
| ICSD | https://icsd.products.fiz-karlsruhe.de/ | 无机晶体结构数据库(权威，部分需授权) |
| JARVIS-DFT | https://jarvis.nist.gov/ | NIST材料基因组计划，DFT+ML数据集 |
半导体材料与MBE
MBE技术
Resource |
Source | Description |
|---|---|---|
| IC-MBE | https://www.ic-mbe.org/ | 国际分子束外延会议(MBE领域顶级会议) |
| NAMBE | https://www.nambe.org/ | 北美分子束外延会议 |
| EuroMBE | https://www.eurombe.org/ | 欧洲分子束外延会议 |
| MBE经典教材 | Molecular Beam Epitaxy (M.A. Herman) | MBE原理与实践经典教材 |
| MBE Growth Textbook | Molecular Beam Epitaxy: Principles and Practice (John Orton) | MBE原理与实践 |
RHEED分析
Resource |
Source | Description |
|---|---|---|
| RHEED入门 | Reflection High-Energy Electron Diffraction (Braun) | RHEED综述经典论文 |
| Surface Science | Surface Science Journal | 表面科学期刊，RHEED/STM/XPS相关论文 |
| RHEED Oscillation | - | 通过RHEED振荡标定MBE生长速率与组分 |
III-V族半导体数据库
Resource |
Source | Description |
|---|---|---|
| Ioffe Institute NSM | http://www.ioffe.ru/SVA/NSM/Semicond/ | III-V/II-VI半导体材料参数权威数据库(禁带宽度、晶格常数、迁移率等) |
| NSM Archive | http://www.matprop.ru/ | 半导体材料特性归档(与Ioffe互补) |
| Band Structure Database | Materials Project Band | Materials Project中能带结构计算数据 |
| Cation/Anion Data | - | III-V族阳离子/阴离子特性、晶格失配、临界厚度数据 |
量子点与纳米结构
Resource |
Source | Description |
|---|---|---|
| InAs/GaAs QD综述 | Quantum Dots (Reimann & Manninen) | 量子点基础综述，Rev. Mod. Phys. |
| SK Growth Mode | Stranski-Krastanov Growth | SK生长模式经典论文，应变自组织量子点 |
| QD Laser/Detector | - | InAs/GaAs量子点激光器、红外探测器 |
| Droplet Epitaxy | - | 液滴外延生长量子点，GaAs/AlGaAs体系 |
材料计算与仿真工具
第一性原理/DFT
Tool |
Source | Description |
|---|---|---|
| VASP | https://www.vasp.at/ | 维也纳第一性原理计算软件，DFT工业标准(需授权) |
| Quantum ESPRESSO | https://www.quantum-espresso.org/ | 开源DFT计算软件，支持周期性体系 |
| CP2K | https://www.cp2k.org/ | 开源DFT+MD混合计算 |
| VASPKIT | https://vaspkit.com/ | VASP前后处理工具，能带/态密度/功函数分析 |
| pymatgen | https://pymatgen.org/ | Python材料基因组学库，VASP/Materials Project接口 |
分子动力学
Tool |
Source | Description |
|---|---|---|
| LAMMPS | https://www.lammps.org/ | 经典分子动力学开源软件，材料/生物体系 |
| GROMACS | https://www.gromacs.org/ | 分子动力学开源软件，生物分子/软物质 |
相图与热力学
Tool |
Source | Description |
|---|---|---|
| Thermo-Calc | https://thermocalc.com/ | CALPHAD相图/热力学计算(需授权) |
| FactSage | https://www.factsage.com/ | 热化学计算与相图(需授权) |
光电/半导体仿真
Tool |
Source | Description |
|---|---|---|
| nextnano | https://www.nextnano.com/ | 半导体纳米结构能带/输运仿真 |
| Lumerical | https://www.ansys.com/products/optics/lumerical | Ansys旗下光电仿真工具(FDTD/MODE/CHARGE) |
| COMSOL | https://www.comsol.com/ | 多物理场仿真，半导体/光电模块 |
| TCAD (Sentaurus) | https://www.synopsys.com/silicon/tcad.html | Synopsys半导体工艺与器件仿真(需授权) |
工具
AI/深度学习框架
Name |
Source | Description |
|---|---|---|
| PyTorch | https://pytorch.org/ | Meta开源深度学习框架，学术界主流 |
| TensorFlow | https://www.tensorflow.org/ | Google深度学习框架 |
| JAX | https://jax.readthedocs.io/ | Google高性能数值计算/ML框架，函数式编程 |
| PaddlePaddle | https://www.paddlepaddle.org.cn/ | 百度飞桨深度学习平台 |
| HuggingFace | https://huggingface.co/ | Transformers/Diffusers/Datasets，模型Hub |
LLM训练与推理
Name |
Source | Description |
|---|---|---|
| DeepSpeed | https://github.com/microsoft/DeepSpeed | 微软大模型分布式训练框架，ZeRO优化 |
| vLLM | https://github.com/vllm-project/vllm | 高性能LLM推理引擎，PagedAttention |
| llama.cpp | https://github.com/ggerganov/llama.cpp | C++ LLM推理，支持CPU/GPU/Metal |
| Ollama | https://ollama.com/ | 本地运行LLM，一键部署开源模型 |
| PEFT / LoRA | https://github.com/huggingface/peft | HuggingFace参数高效微调(LoRA/QLoRA/Adapter) |
| LangChain | https://github.com/langchain-ai/langchain | LLM Agent/应用开发框架 |
| LlamaIndex | https://github.com/run-llama/llama_index | 数据索引+RAG框架 |
科学计算工具
Name |
Source | Description |
|---|---|---|
| NumPy | https://numpy.org/ | Python数值计算基础库 |
| SciPy | https://scipy.org/ | Python科学计算库(优化、插值、信号处理) |
| scikit-learn | https://scikit-learn.org/ | 经典机器学习算法库 |
| Pandas | https://pandas.pydata.org/ | Python数据分析处理库 |
| Matplotlib | https://matplotlib.org/ | Python科学绘图库 |
| Jupyter | https://jupyter.org/ | 交互式编程笔记Notebook/Lab |
标注工具
Name |
Source | Description |
|---|---|---|
| labelImg | labelImg | 开源的图像标注工具，标签可用于分类和目标检测。 |
| labelme | labelme | 图像语义分割标注工具 |
| VIA | VGG Image Annotator (VIA) | VGG图像注释器，可对图像、音频、视频标注。 |
| EasyDL | EasyDL | 百度推出AI开发平台，可采集、标注、清洗、训练。 |
分词工具
Name |
Source | Description |
|---|---|---|
| jieba | jieba | 中文分词（精确模式、全模式、搜索引擎模式）、标注组件 |
顶会/期刊
AI/ML/CV
Conference |
Description | Field |
|---|---|---|
| ACL | Association of Computational Linguistics，每年开；计算语言学/自然语言处理方面最好的会议 | 人工智能/计算语言学 |
| IJCAI | International Joint Conference on Artificial Intelligence, 人工智能领域顶级国际会议，论文接受率18％左右 | 人工智能 |
| AAAI | American Association for Artificial Intelligence, 美国人工智能学会AAAI的年会，该领域的顶级会议 | 人工智能 |
| PRICAI | Pacific Rim International Conference on Artificial Intelligence, 亚太人工智能国际会议 | 人工智能 |
| ECCV | European Conference on Computer Vision, 领域顶级国际会议，录取率25%左右，2年一次，中国大陆每年论文数不超过20篇 | 模式识别/计算机视觉/多媒体计算 |
| ICML | International Conference on Machine Learning, 领域顶级国际会议，录取率25%左右，2年一次 | 模式识别/机器学习 |
| ICLR | International Conference on Learning Representations, 深度学习领域三大顶会之一 | 深度学习/表征学习 |
| NeurIPS | Neural Information Processing Systems, 领域顶级国际会议，录取率20%左右，每年一次 | 神经计算/机器学习 |
| ACM MM | ACM Multimedia Conference, 领域顶级国际会议，全文的录取率极低，Poster较容易 | 多媒体技术/数据压缩 |
| IEEE ICCV | International Conference on Computer Vision, 领域顶级国际会议，录取率20%左右，2年一次 | 计算机视觉/模式识别/多媒体计算 |
| IEEE CVPR | International Conference on Computer Vision and Pattern Recognition, 领域顶级国际会议，录取率25%左右，每年一次 | 模式识别/计算机视觉/多媒体计算 |
| IEEE ICIP | International conference on Image Processing, 图像处理领域最具影响力国际会议，一年一次 | 图像处理 |
| IEEE ICME | International Conference on Multimedia and Expo, 多媒体领域重要国际会议，一年一次 | 多媒体技术 |
材料/物理/半导体
Conference |
Description | Field |
|---|---|---|
| APS March Meeting | American Physical Society March Meeting, 凝聚态物理最大会议，每年一次 | 凝聚态物理/材料 |
| MRS Fall/Spring | Materials Research Society Meeting, 材料科学顶级会议 | 材料科学 |
| IC-MBE | International Conference on Molecular Beam Epitaxy, MBE领域顶级会议，两年一次 | 分子束外延 |
| NAMBE | North American Molecular Beam Epitaxy Conference, 每年一次 | 分子束外延 |
| CSW | Compound Semiconductor Week, 化合物半导体国际会议 | 化合物半导体 |
| ICPS | International Conference on the Physics of Semiconductors, 半导体物理领域历史最悠久会议 | 半导体物理 |
| E-MRS | European Materials Research Society, 欧洲材料研究学会 | 材料科学 |
交叉领域期刊
Journal |
Description | Field |
|---|---|---|
| Nature Materials | 材料科学顶刊，IF~40 | 材料科学 |
| Nature Photonics | 光子学/光电领域顶刊 | 光电/光子学 |
| Science Advances | Science旗下综合交叉期刊 | 综合 |
| npj Computational Materials | Nature旗下计算材料期刊 | 计算材料 |
| ACS Nano | 纳米材料/器件，IF~15 | 纳米材料 |
| Nano Letters | 纳米领域快报，IF~10 | 纳米科学 |
| Physical Review B | APS凝聚态物理期刊 | 凝聚态物理 |
| Applied Physics Letters (APL) | 应用物理快报，半导体器件/材料 | 应用物理 |
| Journal of Crystal Growth | 晶体生长专业期刊，MBE/MOCVD相关 | 晶体生长 |
| Journal of Applied Physics | 应用物理综合期刊 | 应用物理 |
| Advanced Materials | 先进材料，IF~27 | 材料科学 |
优秀网站
优秀学习网站
网站 |
Description | Field |
|---|---|---|
| 书栈网 | https://www.bookstack.cn | 计算机领域相关书籍、文档资料，很齐全 |
| Papers With Code | https://paperswithcode.com/ | 论文×代码×数据集×排行榜对照，跟踪SOTA |
| arXiv | https://arxiv.org/ | 预印本论文，cond-mat.mtrl-sci / cs.AI / cs.CV |
| Google Scholar | https://scholar.google.com/ | 学术搜索引擎 |
优秀工具网站
网站 |
Description | Field |
|---|---|---|
| 即时工具 | https://www.67tool.com | 工具集合网站，200多个工具，图片处理、视频处理、文档处理等。 |
| LaTeX公式编辑器 | https://www.latexlive.com | LaTeX公式编辑器 |
| CNN Explainer | cnn-explainer | Learn Convolutional Neural Network (CNN) in your browser! |
| Google Colab | https://colab.research.google.com/ | 免费GPU在线Notebook，可直接运行PyTorch/TF |
| Hugging Face Spaces | https://huggingface.co/spaces | 模型Demo在线托管，一键体验开源模型 |
