OCCTOverview示例

Open CASCADE 技术 (OCCT) 是一个面向对象的 C++ 框架

OCCT 为 2D 和 3D 对象的建模、编辑、可视化和数据互作性提供了足够的构建块。

OCCTOverview示例

工具栏分三块:
1.视图控制:Fit all(视图居中),Isometric(重置相机角度)
2.HLR:显示模式自定义:HLR,例如“隐藏线消除”(仅在禁用着色时有效)可以开启和关闭;实体模型可以在着色或线框模式下显示。着色模式下的模型可以设置透明度等级;
3.Shading(着色) WireFrame(线框) TransParecy(透明)
4.Ray-tracing(光线追踪) Shadows(阴影) Reflections(反射) Anti-alasing(抗锯齿)

Geometry(几何):专注于基本对象,如点、线(包括向量)或平面。
Topology(拓扑):展示了在 3D 操作中使用的函数。提供了多种用例,包括不同对象的交集、修改和计算。其中一些用例在文档中有描述,例如检查器的使用。
Triangulation(三角测量):三角剖分部分允许计算形状上的三角形数量。
Data exchange(数据交换):数据交换部分提供了如何导出和导入不同格式文件的示例。
OCAF 部分介绍了 Open CASCADE 应用框架的功能。要测试这些功能,首先创建一个对象(立方体或圆柱体)。之后,可以修改并保存该对象。操作会被记录下来,并且可以撤销或重做。

在这里插入图片描述

Free creating(自由创作)
• Zero Dimension objects:零维对象
• Vectors:向量
• Infinity lines:无限直线
• Second order curves:二次曲线
• Plane surfaces:平面曲面
• Second order surfaces:二次曲面

Creating based on criteria:基于条件创建
• Barycenter point:重心点
• Rotated vector:旋转向量
• Mirrored line:镜像直线
• Scaled Ellipse:缩放椭圆
• Transformed cylinder:变换后的圆柱
• Translated torus:平移环面
• Conjugate objects:共轭对象
• Projection of point:点的投影
• Minimal distance:最小距离
• Intersection:相交(或交集)

Data extraction:数据提取
• Point info:点信息
• Ellipse info:椭圆信息

Non Parametric:非参数化

Parametric:参数化

• Free style curves:自由形式曲线
• Analytical surfaces:解析曲面
• Free style surfaces:自由形式曲面

• Trimmed curve:裁剪曲线
• Offset curve:偏移曲线
• BSpline from circle:由圆生成的 B 样条曲线
• Trimmed surface:裁剪曲面
• Offset surface:偏移曲面
• Extrusion surface:拉伸曲面
• Revolution surface:旋转曲面

• Dump circle info:输出圆信息
• Dump BSpline curve info:输出 B 样条曲线信息

o Topological Shape:拓扑形状
o BRep primitive objects:BRep 基本对象
o Topology access:拓扑访问
o Boolean operation:布尔运算
o Complex modelling:复杂建模
o Modification:修改
o Calculation:计算

• 拓扑元素
o Vertex:顶点
o Edge:边
o Face:面
o Wire:线环
o Shell:壳
o Solid:实体
o Edge (2D):二维边
• 基本体
o Box:长方体
o Cylinder:圆柱
o Revolution:旋转体
• 拓扑迭代与探索
o Topology iterator:拓扑迭代器
o Topology explorer:拓扑探索器
o Assess to curve:曲线评估
o Assess to composite curve:组合曲线评估
o Assess to surface:曲面评估
• 布尔运算类型
o Common:交集
o Cut:差集
o Fuse:并集
o Section:截面(求交)
o Splitter:分割
o Defeaturing:去特征
• 修改操作
o Fillet:倒圆角
o Chamfer:倒斜角
o Offset:偏移
o Evolved:展成
• 形状修改与转换
o Copy:复制
o Transform:变换
o Convert to NURBS:转换为 NURBS
o Sew contiguous faces:缝合连续面
• 计算与校验
o Check validity:有效性检查
o Compute linear properties:计算线性属性
o Compute surface properties:计算曲面属性
o Compute volume properties:计算体积属性

随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习和大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化学和生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供高效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorch和TensorFlow两大主流深度学习框架,并集成RDKit化学信息学工具包,构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值