티스토리

happylife

검색하기

블로그 홈

happylife

happyhaelee.tistory.com/m

햎피 님의 블로그입니다.

구독자: 2

방명록 방문하기

반응형

주요 글 목록

Ranger optimizer 논문을 보다가 Ranger optimizer라는 것을 봤다. 여러 최적화 기법들을 봤는데 Ranger는 처음보는 것 같아 기록을 남겨본다. Ranger는 Radam + Lookahead 이다. Radam - Rectified Adam이라서 RAdam이다. - Adam : adaptive learning rate를 기반으로 하고, 상대적인 업데이트 양에 따라 step size를 조정해줌. -adaptive learning 의 경우 bad local optima convergence problem에 빠질 수 있다. 학습 초기에 샘플이 부족할 경우, learning rate의 분산이 커지고, 이에따라 최적이 아닌 local optima에 너무 일찍 도달하여 학습이 거의 일어나지 않는 현상이다. - 이를 해결하.. 공감수 0 댓글수 0 2023. 4. 12.
월드퀀트 공부 1. 재무 기초 (finance basic) 주식 시장이 작동하는 방법 - 주식 시장은 증권 거래소 또는 장외에서 거래되는 주식을 발행, 구매 및 판매하기 위해 존재하는 공개 시장 - 주식은 회사의 부분 소유권을 나타내며 주식 시장은 투자자가 이러한 투자 가능한 자산의 소유권을 사고 팔 수 있는 장소 수익(return) - 투자자는 주식 가격이 구매 가격보다 상승하면 이익을 위해 주식을 판매하여 주식 구매로부터 이익을 얻으려고 함. 예를 들어, 어떤 투자자가 회사의 주식을 주당 10달러에 사서 주가가 주당 15달러로 오르면 투자자는 주식을 팔아 투자 수익의 50%를 실현할 수 있음. - 수익은 WorldQuant에서 자본 거래 수익으로 정의함: 연간 수익 = 연간 이익 및 손실 / 자본 거래의 절반. (%로 표시됨.) 롱포지션(long a stoc.. 공감수 0 댓글수 1 2023. 3. 3.
world quant 대회 어제 퇴근을 하려는데 재미있는 포스터를 발견했다. 바로 월드퀀트대회! 주식투자에 관심이있었고, 퀀트에 대해서도 들어봤지만 이렇게 퀀트 알고리즘을 짜서 모의 투자 대회를 하는 경우는 처음봤다. 이번 기회에 퀀트 공부를 하면서 관련 내용을 포스팅 해야겠다! 퀀트에 대해서 정말 들어만 봤지 아는게 1도 없기 때문에 대회에서 입상을 하는게 목표라기 보다는 경제공부 + 실제로 내가 사용 할 알고리즘 개발 을 목표로 해야겠다. ㅎㅎㅎㅎ 이런 새로운 거를 할때 뭔가 신난다!! 화이팅화이팅!! #월드퀀트 #퀀트 공감수 0 댓글수 0 2023. 3. 3.
G-quadruplex (G 쿼드라플렉스) 검색해보니 G-quadruplex에 대한 한글 설명이 하나도 없길래 작성해본다! G quadruplex란 무엇인가 : - RNA의 2차구조 중 하나 - RNA 시퀀스상에서 구아닌이 많을 때 형성됨 - helix 형태 - 염색체의 끝에 존재하는 텔로미어 부분, 다양한 유전자의 transcriptional regulatory 부분에서 만들어짐 - 4개의 염기가 Hoogsteen bonding을 통해서 guanine tetrad라고 불리는 square planar 구조를 만듦 - 두개 이상의 guanine tetrad가 쌓여서 G-quadruplex를 만듦 - 중앙에 존재하는 potassium 에 의해 더욱 안정적인 구조를 만듦 기능 : - 염색체의 끝 텔로미어 부분에 G-quadruplex의 형태로 존재해서.. 공감수 0 댓글수 0 2023. 2. 22.
scaffold의 의미 scaffold : 화합물의 코어 구조를 의미 (functional group) Activity와의 관련성 : 1. target에 active한 구조 prototype확인하고, 타겟에 specific하게 active한 compound 만들기 (privileged substructures) 2. compound에서 구조적으로 다른 scaffold인데 같은 activity를 가지는지 확인하기 (scaffold hopping) scaffold를 정의하는 방법 : 1. compound 집합에서 MCS (maximum common substructure) 계산 2. MMP(matched molecular pairs) 계산 - compound의 single site에서 변화가 있을 때만 compound pair로 .. 공감수 1 댓글수 0 2022. 10. 29.
Alphafold2 논문 리뷰4 [Evoformer - pair representation] 입력으로 MSA representation, Pair representation이 들어온다. pair representation의 값이 Row wise gated self attention with pair bias에 들어온다. 즉, 공간적 특징과 진화적 특징이 섞이게 된다. MSA representation을 거친후, outer product mean을 통해 진화정보를 공간적 정보로 넣어주게 된다. 그리고 pair representation 인코딩이 시작된다. -pair representation 설명 그리고 pair representation을 인코딩하는 5개의 블럭을 거친다. 이 다섯개의 블럭에 대해서 조금 더 자세히 설명해보겠다. pair representation은 아미노산사이의 공간적인 특징을.. 공감수 1 댓글수 0 2022. 10. 25.
Alphafold2 논문 리뷰3 [Evoformer - MSA representation] 입력으로 MSA representation, Pair representation이 들어온다. pair representation의 값이 Row wise gated self attention with pair bias에 들어온다. 즉, 공간적 특징과 진화적 특징이 섞이게 된다. 그리고 column wise gated self attention, transition layer를 거친다. 이 세개의 블럭 (Row wise ~, Column wise ~, Transition)은 MSA representation이다. self attention으로, 자기 자신에 대한 정보를 인코딩 한다. transition이 끝나면, outer product mean을 통해 진화정보를 공간적 정보로 넣어주게 된다. - MSA r.. 공감수 0 댓글수 0 2022. 10. 25.
Alphafold2 논문 리뷰2 [입력 부분] 모델 설명 알파폴드의 입력으로 단백질의 아미노산 시퀀스가 들어간다. - genetic database search를 통해서 MSA 를 구하고, MSA representation으로 나타낸다. - 아미노산에대해서 pairing을 하고, structure database search를 통해서 template을 넣는다. pair representation으로 나타낸다. 이 부분에 대해서 조금 자세히 보도록 하자. supplementary Figure 1이다. -맨 위에 보이는 extra msa feat은 옵션이다. 넣어줘도 되고 안넣어줘도 된다. -pair representation 만들기 : residue_index에 대해서 (r,r,cz) 차원으로 변환을 시켜준다. target feat에 여러 linear.. 공감수 1 댓글수 0 2022. 10. 25.
Alphafold2 논문 리뷰1 - 성능 알파폴드2 논문리뷰를 해보겠다! -단백질 3차구조를 아미노산 시퀀스만을 가지고 예측 -기존의 방법들은 homologous structure가 없을 때에는 원자수준의 정확도를 보여주지는 못했음 -이 논문에서는 유사한 구조가 알려져 있지 않은 시퀀스에 대해서도, 원자 수준의 정확도로 예측할 수 있는 computational method(Alphafold2)를 제안함 -CASP14에서 다른 method들보다 훨씬 좋은 성능을 보여줌 일단 성능에 대해서 보겠다! Fig 1. Fig 1 a는 알파폴드가 CASP14에 참여한 다른 그룹들보다 훨씬 예측을 잘한다는 것을 보여준다. 실제 단백질 알파카본과 예측된 단백질 알파카본 사이의 rmsd (root mean squared distance, 작을수록 좋음) medi.. 공감수 1 댓글수 1 2022. 10. 25.
SSPro 사용해서 단백질 2차구조 예측하기 SSPro 프로그램을 사용해서 단백질의 2차구조를 예측하는 방법이다. 먼저 프로그램을 다운로드 받는다. https://download.igb.uci.edu/ UCI :: Institute for Genomics and Bioinformatics - Download Page Welcome to the SCRATCH download page. Reminder: We will be moving our servers on January 8, 2007 to a different facility. Please expect a 24 hour downtime. Thank you for your patience! --> Thank you for your interest. All software and related ma.. 공감수 0 댓글수 1 2022. 9. 22.
margianl distribution (주변 분포) 오늘은 주변분포에 대해서 알아보겠다. 주변분포는 결합 확률 함수에서 주변에 존재하는 것들이다! 예를들어보자 (아래 그림!) 변수 X는 성별(파란색 : 여자, 초록색 : 남자), 변수 Y는 컴퓨터 종류라고 하자. 여자 1명이 윈도우를 가지고있고, 여자 2명이 맥북을 가지고있다. 남자 1명이 윈도우를 가지고있고, 남자 1명이 맥북을 가지고 있다. 이것을 확률로 나타내면 오른쪽 아래에 테이블로 나타난다. 여자가 윈도우를 가지고있을 확률 p(woman, window) = 1/5, 여자가 맥북을 가지고 있을 확률 p(woman, mac) = 2/5, 남자가 윈도우를 가지고 있을 확률 p(man, window) = 1/5, 남자가 맥북을 가지고 있을 확률 p(man, mac) = 1/5 그런데 이때, p(woman.. 공감수 0 댓글수 0 2022. 9. 20.
엔트로피 최대화 엔트로피가 최대화되도록 최적화시키면 어떻게 될까? 1번식은 엔트로피 공식이다. 2번 식은 엔트로피 공식에 라그랑주 승수법을 적용한 것이다. 여기서 라그랑주 승수법이란 무엇이냐하면 조건이 있는 최적화 문제를 조건이 없는 최적화 문제로 변형하여서 푸는 것이다. 예를들어, 조건이 g(x,y)이고 최적화 문제가 f(x,y)라고 할 때, 다음과 같은 방식으로 라그랑주를 적용할 수 있다. 결국엔 아래 식과 같이 미분값이 0이 나오는 것을 구해야한다. 3번 식은 2번식을 미분해서 0으로 만드는 것이고, 4번식은 3번식을 푼 것이다. 그래서 결국 p(x)는 정규분포가 나온다!! 두둥!! 엔트로피를 최대화하면 정규분포가 나온다니,,,, 신기하다! 공감수 0 댓글수 0 2022. 9. 19.
mean field approximation 설명 mean field approximation (평균장 근사)는 상호작용하는 입자로 구성된 시스템에서 approximate partition function(근사 분배 함수) 를 계산하는데 사용한다. 모든 가능한 microstate(미시상태) 에 대한 에너지를 계산 할 때, partition function(분배함수)를 구하려면 brute force 알고리즘으로 풀기에는 시간이 너무 많이 소요되고, hamilton을 이용해서는 풀 수 없다. mean field theory에서 external field로 적절하게 선택함으로서 N-body system을 1-body system으로 대체할 수 있다. 이 external field는 남아있는 입자로 인해서 average field와 동일하게 설정된다. --> .. 공감수 0 댓글수 0 2022. 9. 18.
SMILES를 그래프로 표현하기 dgl (deep graph library) 를 이용해서 SMILES를 그래프로 표현하는 방법을 알아보겠다! 아스피린을 예로 들어보겠다. 아스피린의 SMILES는 CC(=O)OC1=CC=CC=C1C(=O)O 이다. (Pubchem에서 가져옴) 그리고 그림을 그려보면, from rdkit.Chem.Draw import rdMolDraw2D from IPython.display import SVG smi='CC(=O)OC1=CC=CC=C1C(=O)O' mol = Chem.MolFromSmiles(smi) 이렇게 생겼다!! 이제 그래프로 바꿔보겠다. from rdkit import Chem from rdkit.Chem import MolFromSmiles from dgllife.utils import Base.. 공감수 0 댓글수 0 2022. 9. 17.
rdkit으로 molecule 그리기 from rdkit import Chem from rdkit.Chem import AllChem from rdkit.Chem import rdmolfiles,rdmolops from rdkit.Chem.Draw import rdMolDraw2D #dgl life에서 smilestobigraph가 molcule 순서 만드는것 smiles = 'C#Cc1cccc(Nc2ncnc3cc(OCCOC)c(OCCOC)cc23)c1' mol = Chem.MolFromSmiles(smiles) new_order = rdmolfiles.CanonicalRankAtoms(mol) mol = rdmolops.RenumberAtoms(mol, new_order) def mol_with_atom_index( mol ): atoms.. 공감수 0 댓글수 0 2022. 9. 15.
rdkit으로 SMILES를 canonical smiles로 바꾸는 법 rdkit을 이용해서 compound의 SMILES를 canonical, 또는 isomeric SMILES로 바꾸는 방법이다. from rdkit import Chem from rdkit.Chem import MolFromSmiles import rdkit ligand = 'CC1=C2C=C(C=CC2=NN1)C3=CC(=CN=C3)OCC(CC4=CC=CC=C4)N' can_smi = Chem.MolToSmiles(Chem.MolFromSmiles(ligand),canonical=True) iso_smi = Chem.MolToSmiles(Chem.MolFromSmiles(ligand),isomericSmiles=True) print(can_smi) print(iso_smi) Cc1[nH]nc2ccc(-c.. 공감수 0 댓글수 0 2022. 9. 14.
mongodb nodejs authentication failed 연결 오류 username, password를 사용해서 nodejs에서 mongoose로 db를 연결하기 위해서 아래와 같이 주소를 적고 연결했다. 'mongodb://usename:password@localhost:27017/DBname' 그런데 아래와 같은 authentication 에러가 났었다. 구글링을 해보니, authSource=admin을 넣어주면 된다고 했다. mongoose.connect('mongodb://usename:password@localhost:27017/DBname?authSource=admin', { useNewUrlParser: true, useUnifiedTopology: true, }).then(() => console.log('connected to db')).catch((er.. 공감수 0 댓글수 0 2022. 9. 12.
multiple sequence alignment(MSA) MSA는 bioligical sequence (예를 들면 protein, DNA, RNA)를 sequence align한 결과이다. sequence align이란 두가지 이상 시퀀스를 비교해서, 그 시퀀스들 사이에서 유사성을 발견하는 것이다. (시퀀스 사이의 유사성을 이용해서 기능적, 진화적, 구조적 관계를 밝혀낼 수도 있음!) MSA의 입력은 진화적으로 관계가있는 시퀀스들이다. (공통조상을 가지고있어서 시퀀스들 사이에 관계가 있는 그런 시퀀스들) MSA의 결과값을 이용하면 sequence homology를 추론 할 수 있고, 진화 기원을 평가하기 위해서 phylogenetic analysis를 수행할 수도 있다. 시각적으로 보면 아래와 같다. 출처 : MSA 위키 single alignment colu.. 공감수 0 댓글수 0 2022. 9. 10.
empirical probability란 무엇일까 논문을 읽다가 empirical probability라는 단어를 보았다. empirical probability가 무엇인지 알아보겠다! empirical probability/relative frequency/experimental probability라고 도 부른다. 이론적인 실험공간에서가 아니라 실제 실험 에서 총 시행횟수에서 특정 사건이 발생한 결과 갯수의 비율이다. (즉, 실제 실험했을때 특정 사건이 얼마나 일어났는지에 대한 비율) 더 일반적으로 말하자면 실제 실험과 관찰에서의 확률이다. 장점 -실험 가정에서 자유롭다 예를 들어서, 두가지 조건을 만족하는 여성 집단에서의 확률을 추정해보자 조건 1. 키가 160이상 조건 2. 딸기잼보다 블루베리잼을 더 좋아함. 두가지 조건을 모두 만족하는 여성의 .. 공감수 0 댓글수 0 2022. 9. 9.
HMMER HMMER은 시퀀스 분석을 위한 소프트웨어 패키지이다. homologous protein이나 nucleotide sequence를 확인하기 위해서 사용되고, sequence alignment를 수행한다. 시퀀스의 profile-HMM을 비교해서 homology를 탐지한다. null model 과 비교해서 더 좋은 score를 내는 시퀀스가 profie-HMM을 구성한 시퀀스와 homologous하다는 것을 의미한다. profile-HMM은 multiple sequence alignment로 만들어진다.(HMMER 패키지 내의 hmmbuild program 사용) HMMER는 pFam과 InterPRo와 같은 protein family database의 core utility이다. Profile HMM p.. 공감수 0 댓글수 0 2022. 9. 6.
nodejs excel file to json nodejs에서 excelfile을 읽어와서 json으로 만들어주는 간편한 library가 있다. convert-excel-to-json이다. 설치를 위해서는 아래와 같이 입력한다. npm install convert-excel-to-json 코드 : const excelData = excelToJson({ sourceFile: filepath, sheets: [{ name: 'sheet_name', header: { rows: 1 }, columnToKey: { A: 'key', B: 'name', C: 'road', D: 'staff', } }] }); dataModel.insertMany(excelData.sheet_name, (err, data) => { if (err) { console.log(.. 공감수 0 댓글수 0 2022. 9. 5.
mongodb All your data is a backed up. you must pay 0.04 BTC 어제 몽고디비 서버를 열어놓고 잤다가 오늘 오후에 디비를 들어가보니 데이터는 전부 사라져있고, readme db가 새로 만들어져있었다... 그리고 이런 글이 있었다.. All your data is a backed up. You must pay 0.04 BTC to 1BbompGz4bzKF57PNDxfkH5tpxWz2gA6Y 48 hours for recover it. After 48 hours expiration we will leaked and exposed all your data. In case of refusal to pay, we will contact the General Data Protection Regulation, GDPR and notify them that you store use.. 공감수 0 댓글수 0 2022. 9. 2.
node js, npm 버전 확인 및 업데이트 node js 버전 확인 node -v node js 업데이트 sudo npm cache clean --force sudo npm install -g n sudo n stable npm 업데이트 sudo npm install -g npm 공감수 0 댓글수 0 2022. 9. 1.
deep graph library - pad_packed_tensor dgl의 backend 부분에 pad_packed_tensor라는 함수가 있다. 아무래도 백엔드를 다루는 함수이다보니, 함수내부는 파이썬으로 코딩이 안되어있나보다. 사용 방법만 나와있다. 이 함수가 하는 역할은 "Pads a packed batch of variable length tensors with given value." 인데, 어떤 값으로 가변 길이의 텐서 배치를 패딩하는 것이다. 다시한번 자세히 설명해보겠다! dgl에서 graphconv를 예로들어보자. dgl에서 forward함수를 통해 graph가 들어오고, graphconv를 통과시키면 결과 차원은 (배치의 전체 노드갯수 x dimension)으로 나온다. 그런데 이렇게 되면 배치 안에 존재하는 compound 한개가 atom을 몇개 가지.. 공감수 0 댓글수 0 2022. 8. 31.
dgl GraphConv dgl은 그래프 신경망을 쉽게 사용할 수 있도록 해주는 라이브러리이다. 그중에서도 GraphConv라는 함수를 알아보겠다. https://docs.dgl.ai/en/0.4.x/api/python/nn.pytorch.html?highlight=graphconv#graphconv NN Modules (PyTorch) — DGL 0.4.3post2 documentation The output feature of shape \((N, H, D_{out})\) where \(H\) is the number of heads, and \(D_{out}\) is size of output feature. docs.dgl.ai GraphConv는 아래의 ' semi-supervised classification with.. 공감수 0 댓글수 0 2022. 8. 30.
flutter에서 nodejs 서버로 이미지 업로드하기 - 서버부분 flutter에서 여러개의 이미지를 nodejs 서버로 업로드하기위해서는 multer를 사용해야한다! multer를 먼저 설정해줘야한다. destination을 이용해서 업로드할 이미지가 들어갈 폴더 이름을 바꿀 수 있다. filename을 이용해서 업로드할 파일 이름을 바꿀 수 있다. const upload = multer({ storage: multer.diskStorage({ destination: (req, file, cb) => { let keynum = req.params.keynum; let dir = 'uploads/' + keynum; if (!fs.existsSync(dir)) { fs.mkdirSync(dir) }; cb(null, dir); }, filename: (req, file.. 공감수 0 댓글수 0 2022. 8. 24.
mongoose db flutter 서버가 nodejs이고, mongoose를 이용해서 데이터를 저장할 때, flutter에서 table 형태로 db를 보고싶다면 어떻게 해야할까? 서버에서 json형태로 db를 전송하고, flutter에서 json형태로 받은 db를 테이블로 보여주면 된다! json형태로 전송하는 부분 - node js 서버 : app.get('/api/uploaded_data', function (req, res) { try { attractionModel.find({ complete: 'O' }, function (err, data) { res.send({ 'data': data }); }) } catch (err) { res.status(500).send(err); } }); flutter 프론트엔드 : json을 t.. 공감수 0 댓글수 0 2022. 8. 23.
[ERROR:flutter/lib/ui/ui_dart_state.cc(209)] Unhandled Exception: Bad state: Can't finalize a finalized MultipartFile. [ERROR:flutter/lib/ui/ui_dart_state.cc(209)] Unhandled Exception: Bad state: Can't finalize a finalized MultipartFile. 이 에러가 나는 이유는 MultipartFile이 한번 보내졌었기 때문이다. 해결하려면, 새로운 MultipartFile을 생성하면 된다! 공감수 0 댓글수 0 2022. 8. 18.
Error: Cannot set headers after they are sent to the client 서버에서 두번 이상 리턴할 때 아래와 같은 에러가 난다. Error: Cannot set headers after they are sent to the client 해결하려면, request 하나당 하나의 response만 날리자! 공감수 0 댓글수 0 2022. 8. 17.
provider model for loop - flutter provider 빌드 순서 provider의 model 부분에서 함수를 만들었다. 그리고 그 함수 내에서 for loop를 사용하였는데, 다른 변수들은 바로바로 업데이트가 되는데, for loop 안에 들어있는 변수는 업데이트가 한발짝 느리게 된다.... 구글링을 해봤는데도 관련된 정보가 안나온다,,,,,(내가 못찾는 걸수도..!!) 여기서 한발짝 느리게라는 뜻이 이상할 수 있는데,,,, 다른 변수들 업데이트 될 때(이 변수들은 파라미터로 받은 값을 클래스에 저장해주는 역할만 한다) 같이 업데이트가 안되고, 나중에 된다는 거다... 이것도 flutter의 빌드 순서와 관련이 있는 것 같아 찾아보았다. flutter에서 stateless 위젯은 상태(state) 를 가지고 있지 않다. 그래서 부모위젯에서 받은 값이 변경되면 위젯이 .. 공감수 0 댓글수 0 2022. 7. 30.

반응형

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.