本项目提供了一个基于 FastAPI 的应用 `molecular_property_prediction`，支持通过 Docker 和 Conda 环境进行部署。应用提供两项主要功能： 1. 基于给定的氧化态 SMILES 和还原态 SMILES，结合训练好的 XGBoost 模型，预测标准电极电势。 2. 基于给定的 SMILES，预测其水溶性。
本项目提供了一个基于 FastAPI 的应用 `molecular_property_prediction`，支持通过 Docker 和 Conda 环境进行部署。应用提供两项主要功能： 1. 基于给定的氧化态 SMILES 和还原态 SMILES，结合训练好的 XGBoost 模型，预测标准电极电势。 2. 基于给定的 SMILES，预测其水溶性。
基于给定的液流电池信息，预测电池的SOC
最近一年贡献：343 次
最长连续贡献：13 日
最近连续贡献：1 日
贡献度的统计数据包括代码提交、创建任务 / Pull Request、合并 Pull Request，其中代码提交的次数需本地配置的 git 邮箱是 Gitee 帐号已确认绑定的才会被统计。