Hugging Science - 科学机器学习资源目录

技能概述

Hugging Science 是一个精选的科学机器学习资源目录，涵盖17个科学领域的数据集、模型、博客文章和交互演示，帮助研究者快速发现和使用高质量的AI科研工具。

适用场景

1. 科学研究与论文复现
   当您需要在生物、化学、物理、天文、气候、基因组学、材料科学、医学等领域使用机器学习时，Hugging Science 提供了经过筛选的高质量数据集和预训练模型。支持药物发现、蛋白质设计、天气建模、定理证明等具体科研任务。

2. 科学模型推理与微调
   通过 datasets 和 transformers 库，您可以轻松加载科学数据集进行模型训练，或使用预训练科学模型（如 Evo-2、ESM2、BoltzGen）进行推理和微调。支持本地运行和 Hugging Face Inference API 两种方式。

3. 交互式科学演示
   使用 gradio_client 调用 Hugging Science 提供的交互式 Spaces，如蛋白质/结合剂设计工具 BoltzGen、数据集提交平台 Dataset Quest 等，无需本地部署即可体验科学AI功能。

核心功能

1. 多领域科学资源索引
   涵盖天文学、基准测试、生物学、生物技术、化学、气候、保护生物学、地球科学、生态学、能源、工程学、基因组学、材料科学、数学、医学、物理学和科学推理等17个领域，每个领域都有专门的资源文件（topics/.md）。

2. 结构化资源访问
   提供 llms.txt（紧凑索引）、llms-full.txt（完整内容）和按领域分类的 Markdown 文件，以及配套的 Python 脚本 fetch_catalog.py，支持按主题、资源类型或关键词搜索，便于程序化获取资源信息。

3. 完整的工具链集成
   所有资源均可通过标准 Hugging Face 工具使用：数据集通过 datasets 库加载（支持流式读取大规模语料），模型通过 transformers 或推理 API 调用，交互演示通过 gradio_client 访问，并提供详细的方法论文献引用。

常见问题

Hugging Science 是什么？它包含哪些类型的科学资源？

Hugging Science 是一个精选的科学机器学习资源目录，由 huggingscience.co 网站和 Hugging Face 上的 hugging-science 组织两部分组成。它包含数据集、预训练模型、方法论文章和交互式演示四类资源，涵盖17个科学领域。每个资源都经过人工筛选，确保质量和开放性。

如何从 Hugging Science 下载和使用科学数据集？

使用 Python 的 datasets 库加载数据集。首先通过 fetch_catalog.py 或访问 huggingscience.co/topics/<slug>.md 找到目标数据集的名称（如 arcinstitute/opengenome2），然后使用代码加载：

from datasets import load_dataset
dataset = load_dataset("arcinstitute/opengenome2")

对于超大规模数据集，建议使用 streaming=True 进行流式加载。

科学模型为什么需要 trust_remote_code=True？

许多科学模型采用自定义架构（如 Evo-2、Nucleotide Transformer），其模型代码随模型仓库分发而非包含在标准库中。设置 trust_remote_code=True 允许 transformers 从模型仓库加载并执行这些自定义代码文件。这是科学 AI 生态的常见做法，确保模型的完整功能。