1月4日該股凈流出金額6091.63萬元，主力凈流出4773.94萬元，中單凈流出879.68萬元，散戶凈流出438.01萬元。
最近一個月內，海 利 得共計登上龍虎榜0次，表明海 利 得股性不活躍。
公司主要從事 電腦噴繪膠片布、土工格柵材料、PVC 涂層材料、篷蓋材料、聚酯工業長絲、聚酯切片、簾子布、帆布、石塑地板、高分子材料及產品的研究開發、生產、銷售;經營進出口業務(范圍詳見《中華人民共和國進出口企業資格證書》)。
截止2015年9月30日，海 利 得營業收入15.8399億元，歸屬于母公司股東的凈利潤1.6983億元，較去年同比增加23.8122%，基本每股收益0.38元。
海利得隸屬于，近三個月內，該股的關注度高于行業內的其他253家公司，排名第9。近三個月，共有11家機構發布了62篇關于該股的研究報告，該股綜合評級為買入，維持前期評級。
風險提示：個股診斷結果通過運算模型加工客觀數據而成，僅供參考，不構成絕對投資建議。
關注金融界股靈通微信號【jrjstock】，每天早上為您奉上早盤操作指導，漲停牛股預測。
關注金融界微信【jrjnews2013】,獨家投顧復盤，把脈股市走向，階段經濟熱點前瞻。
的第一套水冷花了大于500元的錢去做，水冷頭是DIY的，泵是DIY的，溫控是改裝的，只有散熱排是買的。
好貴，300元，12*36CM的排水冷頭太貴，只好自己DIY，外面一個很差的都要100來元，我要用在SLI顯卡上，NF4南北橋，還CPU上，如果賣成品的話，U的冷頭要150元，純銅，顯卡的最少80元，兩個就160，南北橋的要70元最少，這樣一樣150+160+80+70，超貴呢.要460元，汗死，我等打工窮人玩不起，自己DIY去。
一年前做的超牛水冷頭，牛是因為夠重夠大，有了這樣的前提，就算是用鋁，散熱是一樣了的.(幾種常用金屬導熱材料的熱傳導系數分別為：銀429W/mk、銅401W/mk、金317W/mk、鋁237W/mk。)我做過測試，銅是比鋁吸熱明顯快上好多，從上面熱傳導系數可以看出。
但是銅有幾個不好的地方，就是價格上比鋁貴上了倍有多，如果手工加要，那要得了我這條貓命。鋁相對比銅軟一點點，純手工加工好一點點，最主要是成本低很多，性能差不多！還做過一個測試，把幾個相同大小的銅，鋁，鐵同時放到100度的水中，從100度的溫度自然室溫冷卻，最快是鋁，過來是銅，再過來是鐵.選鋁也是不錯的。
還有一點就是銅很容易氧化，鋁好一點點，問題不大，銅氧化變成紅銅，難看死了，鋁變化沒這么厲害.鐵性能太差，會生銹.不能用，鋼熱傳導也不太好，吸熱性能一般，另外一點是散熱超慢；外面做的水冷頭都是不太夠量的，如果泵壞了，水冷頭因為太小容積不夠，溫升一定很快，要知道外面的冷頭比起我DIY的體積小好多，大塊的水冷頭一樣能很好地散熱（一般電腦的散熱器越大，散熱越好。大的散熱器是好，一個就要200多元，又是無語，看看就好了！）。SHOW一下我一年前裝在NF4SLI主板，76GT SLI顯卡上的水冷。
一年了，一直用著很好，現在一直在用，爽呢，所以打算多做一點
那時沒能找到12V的泵，只好用養金魚的泵
性能（0.7M 400L 220V）
個別國產的不敢恭維，一年就壞了，汗死，之后買了進口二手泵DIY
性能（0.65M 400L 220V）
現在用著很正常，用養魚的泵最不好的一點是220V，電腦上最高才12V直流，等用同步工作電源，這問題不難，自己是DIY，用了個12V繼電器完成工作，我是直接把繼電器裝在開關電源上面的，好處很多，可以同時控制我的功放，LCD顯示器，還有泵，呵呵！只不過裝開關電源失去保修，反正長城電源正品的就是好，300多元的400W電源。
電腦開關電源后面加了一堆繼電器，擴展電腦功能.同時還做了個停電報警，工作需要，大型UPS不能停電的，停市電要啟動發電機，電腦加了這個功能，三個好處，用無線遙控做開關電腦（主機上的POWER只能關不能開的，呵呵，別人玩不了我的電腦，開不了機！），停電報警（主人：“停電了，開發電機”），還可以防盜，嘿嘿.顯卡邊上是自己量身定做的水泵。剛好夠裝。
再來了解一下我主機全貌，最上面的是水冷排，體積太大，只好裝外面。裝外面的好處是機箱里面溫度一定比外面高，裝外面有個更大的溫度差，這樣散熱更好。面板上有功放總電源開關，機箱后風扇排風開關，之后四個電位器是300W大功率的功放板調音電位器，用來推10寸汽車低音炮，比一般電腦低音炮爽多了。
下面一行第一個是主音箱音量，第二個是耳機音量，第三個是側面板12*12冷排風扇無級調速，第四五六個是后置音箱調音器。總共是6聲道放大。完全可以成為AC3功放，軟驅位很少用，就改了個溫度控制器（100元一個，好貴的東西呢。），用來自動控制水冷排上面的風扇工作，設定溫度自己工作，這個好處是溫度低時風扇完全停止，靜音！特別是冬天天氣冷時，風扇都很少開，被動散熱都夠用了，冬天冷的時候，電腦小超頻一下或是玩大型3D游戲，這臺電腦可以變成“溫爐”，真的是多功能電腦，把門關好，電腦不關機，宿舍很溫暖呢！
功放板分別是300W大功率2聲道，原本是打算用來推家庭音箱的，呵呵。宿舍沒有這么大的音箱，只好用來推汽車低音炮，也是超爽的。主聲道是自己做的3886名管功放，HIFI型的60W，聽音樂就是很爽，更不用說用來玩游戲了。后置是1875功放，也是HIFI型的，只是功率小一點20W。功放電源是來自兩個大環牛變壓器，一個是200多W的環牛，一個是150W的環牛，都是用來對功放供電的。
那時還沒裝水冷時，側板裝的300W功放，電腦里面的空間都被我用光了。
電腦上裝的一小部分自己做的控制電路，其中上面這塊就是只能關機，不能開機的電路，加上充電和無線控制線路。。。。。。
這臺電腦06年10月份買的，到現在都用了三年了，大問題沒有，都是一些小問題，有人說昂達主板不好，自己感覺夠用就好了，主板不好？只是沒選到好的，好的東西不是做出來的，是選出來的，三年，因超頻，修過兩次主板電容，到現在還使用很正常。
水冷07年8月裝的，到現在一年有多，正常的很。原來沒上水冷時，9個風扇吵的沒睡好覺（比我空調還吵，夠郁悶的，夏天玩3D游戲還卡的要死）。
現在電腦水冷散熱，電腦放宿舍天天晚上不關機，BT呢，睡覺睡的好香，很安靜！以前風冷，顯卡風扇壞了，顯卡135度，把顯卡燒壞了，還好，那時昂達顯卡在保修期，老板很爽快地換了一塊！后來就怕顯卡再壞，加強風冷。
（P4散熱片加8CM風扇，無級調速電路），結果是吵死我了，還不夠散熱（機箱里面東西太多，發熱的東西也太多）。
水冷后的顯卡再也沒有上過60度，平靜了很多，再也不怕它高溫了（告別135度！）
有一次水泵壞了，結果整機CPU最熱，超過70多度，而顯卡才60多一點，AMD主板BIOS過溫保護還是很不錯的，自動關機了，這樣，顯卡沒有燒壞，U也沒事（高溫自保關機）。而顯卡只是高溫降頻工作，電腦不關機，所以會燒壞。
自從電腦上了水冷，也用了一段時間，感覺3000+有點吃力，所以就超頻用了一年，從1.8G超到2.25G，外頻250Mhz，明顯感覺爽上很多。
可惜一年后，一個320硬盤出了問題，因超頻讀不了硬盤，SATA320GB希捷。不超可以正常讀硬盤，之后裝到準系統上用。系統是939針的，一直想升級，但939的雙核不好找，要升級只有換主板，這樣U和內存主板都要換，劃不來。只是有一點點不夠后，所以后來才找到939的雙核升級后一直用。
用了雙核，從65W的3000+一下就到了110W的雙核4600+，明顯感覺更熱，溫控啟動次數更多，但是水冷還是不超過39度，還是很不錯！因為雙核，因為現在的高功率U和顯卡，我才會去DIY更好的散熱器，為了更多朋友玩上水冷，所以我得做更低成本的高性能散熱器，因為風冷太多灰塵，所以得DIY靜音實用的低成本水冷。
目前改進型低成本實用水冷完成了90%，還差冷頭的扣具和低價的不導電的冷卻液。以前買的水冷排很不方便，不開機箱不能加水不能看到水冷工作狀態，自己把泵和水箱做成一體化，感覺還是不方便，所以改進現有的水排。水冷排集成水箱和水流狀態顯示，完全不用開機箱加水，樣子比我原來買的更酷更實用更低價。
今天才完成的第四五套水冷頭。第一套自用到現在完好，第二套備用（第一套沒壞過，沒用上。）第三套轉給群里的朋友，他很滿意，低價也有好東西！第一二三套是一年前做的，第四五套是這段時間花了一個多月去做的，好累！
找了幾年的直流12V無刷水泵，今天終于買到了，又花上了好幾百元去做測試。泵一直在水冷里是最貴和最重要的，貴就貴點，穩定最重要，試了幾個廠的泵，真的是硬著頭皮和廠家溝通，要知道廠家是不做量小的生意的。之后還是花重金收買了幾個泵！今天收到，迫不及待地做了一大堆測試。
最感興趣的就是這個（小強）體積很少的一個潛水泵！電壓11.96V（模擬電腦開關電源的正12V）電流只有180MA，性能卻是了得（實測197CM的揚程，大于3000L每小時的流量）超爽，很靜音。
再用4.97V電壓（模擬電腦開關電源的正5V）測試了一下泵，電流80MA，性能也是很不錯的。揚程67CM大于200L。
花了一整個下午，測試不錯，這泵性能用在電腦上很完美。工作電壓寬，電流不大，性能非常夠用，還很安靜。以后可以為泵也做個調速電路，低壓工作，泵能更長久使用，正常12V電壓工用，性能發揮到最大。多一個選擇多一個實用。
左邊一個是500L 1.7米揚程12V泵，電流0.35A，感覺有點點聲音。
中間的是小強 350L 約2米楊程12V泵，電流0.18A，很安靜。體積是超MINI型的。
右邊的是400L 0.65米揚程220V交流泵。只是安裝難一點。其它都好。
三個泵體積大小對比
大小對比，小泵可以多泵聯合使用，這樣體積也不會大很多，性能更好。用水冷排一集成水箱的排最好。而我臺電腦水冷排沒有水箱，也沒有更多地方裝下水箱，只能做個水箱加泵來減小體積。
目前，水排是集成水箱和手動調風扇轉速，為了低成本，要是水冷排有更多人喜歡，認為實用。之后就加點成本做擴展功能，人性化更個性化。
如：“同步顯示器或打印機、音箱（外設）啟動，這樣大大減化電腦的操作（啟動主機，音箱、打印機就同時啟動，再也不用多開幾個開關，還可以作220V的交流水泵同步電源，如用海利6150泵。
電腦從WINDOWS關機，顯示器、音箱等外設自動關閉，完全是懶人的專利！）“溫度顯示功能，溫度控制功能......”。反正我是很懶，所以叫懶貓，少干點無用功，讓更多時間做更有用的事。
大懶貓原創圖文，MF47整理發布。
文共3948字，預計學習時長10分鐘
圖源：unsplash
2020年，在幾何和圖形機器學習論文中表現突出的，當屬生物化學、藥物設計和結構生物學。這可能是第一次，我們終于發現這些機器學習方法對基礎科學的影響。本文中，我將重點介紹三篇論文，這三篇論文是過去一年內我感觸最深的論文（筆者是其中一篇論文的共同作者）。
幾何機器學習方法曾被刊登在《細胞》和《自然方法學》雜志2020年2月刊的封面上。
第一篇論文：
J. M. Stokes et al., A deep learning approach to antibiotic discovery (2020) Cell 180(4):688–702.
關于什么？基于圖形神經網絡研發抗菌藥物的深度學習操作流程。
如何操作？經訓練的圖神經網絡用于預測大腸桿菌在多于2000個已知抗菌活性分子（包括批準抗生素、動植物提取物）數據集上的生長抑制。這種預測只是基于分子圖，并不依賴于任何其他輔助信息，如藥物作用機制等。
訓練模型被送到藥物再利用中心，經調查研究，模型中含有約6000種藥物分子，前100種分子被選作試驗測試對象。令人吃驚的是，一種實驗抗糖尿藥物halicin（海利霉素）具備有效的抗菌效果，能夠消滅實驗小鼠體內的多種抗藥病菌。
顯然，圖神經網絡具備良好普適性，因為halicin分子不同于傳統抗生素。但是在這篇論文中，還并不清楚這種預測能力是否可以歸結為預測一種抗菌作用的簡單模式（細胞膜去極化）。
此外，研究人員還對ZINC15數據庫中超過1億個分子結構進行實驗篩選，ZINC15數據庫是專門為虛擬篩選而準備的商業可用化合物數據庫，通常為藥物設計者所用。在挑選的化合物中，物理試驗鑒定出8種具有抗菌活性，其中2種對多種病原體均有較強的活性。
研發藥物的一大挑戰是，搜索空間很大，但是只有少數分子能夠在實驗室中測試。應用于分子圖的圖神經網絡可用來預測分子屬性，從而對所選藥物進行虛擬篩查。
為何重要？巨大的搜索空間是研發藥物的一大挑戰，據估計，其中至少包含1060個分子。只有很少一部分分子能夠在實驗室中測試，挑選較有可能性的分子至關重要。通過計算方法完成挑選的過程稱為“虛擬篩選”。
過去，機器學習方法經常用于分子的虛擬篩選，更廣泛來說，協助不同階段的藥物研發，這是第一次在完全沒有任何人類預假設的情況下，從零開始識別一種全新抗生素的過程。
大多數經由電腦模擬的、基于機器學習的藥物研發論文結果都僅由計算機預測，但是斯托克斯等人的論文與之不同，他們的論文不僅鑒別有潛力的藥物分子，而且在實驗動物上廣泛驗證它們在活體內的活性。
雖然在原則上這種方法只可以用于尋找治療癌癥等疾病的方法，但是對于抗生素的關注非常及時：濫用抗生素導致抗藥微生物形成，成為威脅全人類健康的夢魘，而且可能出現高傳染性的細菌感染，現有藥物無法治療，這個現象肯定會出現，只是時間問題而已。
更多相關內容：《量子雜志》熱搜文章和吉姆·柯林斯（Jim·Collins）2020年TED演講視頻（柯林斯實驗室是本年TED“無畏項目”之一，我們的CETI項目也屬于“無畏項目”）。
第二篇論文：
Jumper et al., High accuracy protein structure predictionusing deep learning (2020) a.k.a. AlphaFold 2.0 (尚未提供全文)
關于什么？根據氨基酸序列預測蛋白質的3D結構，這是生物信息學領域眾所周知的一個難題。
如何操作？AlphaFold 2.0是一個“基于注意力的神經網絡”（類似于變壓器結構），對蛋白質數據庫中17萬種蛋白質結構和未知結構蛋白質序列進行端對端訓練。但是DeepMind尚未公布算法細節，我們只能假設它是如何工作的。
在這篇文章中，蛋白質被建模為空間聯系圖，神經網絡“解釋該圖的結構，同時對正在構建的隱圖進行推理”。這聽起來很像具備潛在圖學習功能的圖神經網絡，只不過其中可能包含更多附加細節和細微差異，因為這種方法也使用進化序列信息，所以我將其歸類為“幾何機器學習”。
據報道，訓練的計算復雜度很高（相當于數年的GPU時間），而對結構的預測不過是“幾天的事”。
魔蛇玩具形象地展現了蛋白質折疊，在蛋白質折疊過程中氨基酸的一維序列折疊成復雜的3D形狀，賦予蛋白質功能
為何重要？蛋白質可以說是最重要的生物分子，經常被稱為“生命分子”，我們還未見過任何不以蛋白質為基礎的生命形式。蛋白質在DNA內編碼，在體內具備各種功能，包括抵抗病原體（抗生素）、形成皮膚結構（膠原蛋白）、輸送氧氣到細胞（血紅蛋白）、催化化學反應（酶）及信號傳遞（許多激素是蛋白質）。
從化學角度來講，蛋白質是生物聚合物或者由氨基酸組成的鏈，在靜電作用下折疊成復雜的3D結構。正是這種結構賦予蛋白質功能，而且這種結構對理解蛋白質是如何工作以及做什么是非常必要的。蛋白質一般是藥物治療的靶點（藥物是設計成與靶點相結合的小分子），所以制藥業極為關注該方面研究。
現代技術可以對蛋白質進行排列（即形成氨基酸串），而且成本較低、技術可靠，不過獲取3D結構主要還是依賴于傳統的結晶技術，盡管結晶技術不穩定、耗時長、成本高。目前，已知序列的蛋白質大約有2億種，已知結構的蛋白質至少有20萬種蛋白質。
一直以來，人們認為氨基酸序列中包含了足夠多預測蛋白質結構的信息，但是現在這個觀點站不住腳了。蛋白質結構預測關鍵技術分析大賽（CASP）是類似于ImageNet的競賽，自1994年開始舉辦，參賽者需要預測未知蛋白質的3D結構，這個大賽已成為生物信息實驗室和制藥公司的經典測試平臺。
2018年，DeepMind的新技術AlphaFold在CASP大賽中脫穎而出，獲得比賽勝利，震驚研究界。2020版AlphaFold 2.0效果更好，均方根誤差僅1.6埃，按照結構生物學標準可以說是非常精確，遠遠超過其他競爭對手。這是蛋白質科學領域里的“ImageNet時刻”。
盡管在關鍵問題上取得了驚人的進展，但是媒體大肆炒作、用詞隨意，歪曲了AlphaFold的功能。特別是在藥物設計應用上，結合部位通常需要達到亞埃精確度，但是這項技術尚未實現該功能。
更多相關內容：每個人都熱切期待解釋該算法的論文發表。萊克斯·弗里德曼（Lex Fridman）在YouTube視頻中進行了很好的概括，穆罕默德·艾爾庫雷希（Mohammed AlQuraishi）在博客中介紹了AlphaFold在2018年的影響。
第三篇論文：
P. Gainza et al., Deciphering interactionfingerprints from protein molecular surfaces using geometric deep learning (2020) Nature Methods 17(2):184–192.
關于什么？一個名為MaSIF的幾何深度學習方法從蛋白質的3D結構預測蛋白質之間的相互作用。
如何操作？MaSIF將蛋白質模擬為一個離散成網格的分子界面，研究人員認為此種方式在處理相互作用時是有利的，因為它可以提取出內部的折疊結構。這個架構是基于MoNet發明的，MoNet是我的博士研究生費德里科·蒙奇發明的一個網狀卷積神經網絡，基于預先計算的小地測片中的化學和幾何特點。
該網絡使用蛋白質數據庫中的幾千個共晶蛋白質3D結構來進行訓練，從而解決界面預測、配基分類和對接等各種問題，展現現代化的性能。MaSIF與其他方法最大的差異是，它不依賴于蛋白質的進化史。這在蛋白質全新設計中至關重要，嘗試“從頭”創造前所未有的全新蛋白質。
作為本篇論文的共同作者，我要強調的是預算分子界面和本地補丁的重要性，而且手工制作特性的依賴性是MaSIF的主要缺點之一。
在這一年里，我們徹底改造了結構，直接操作原子點云來輸入，飛速計算分子界面（表現為點云），學習幾何和化學特征，端到端可辨，運行速度快了幾個數量級（后者是通過使用快速幾何計算庫KeOps實現的，是我的博士后珍·菲迪（Jean Feydy）發明的）。
雖然《自然方法》論文主要關注計算方法，但是隨后EPFL的合作者獲得了MaSIF設計的幾種新型蛋白質結合劑的晶體結構，其與所計算結構高度吻合。
使用MaSIF預測蛋白質的結合位置。如圖所示設計蛋白質（右）經過修飾，以改善與自然產生的“野生型”（中）靶點相結合。即使結合部位結構偏平，MaSIF也可以準確探測其位置。
為何重要？蛋白質與其他生物分子之間的相互作用是大多數生物活動中蛋白質發揮功能的基礎。更好地理解蛋白質的作用原理對基礎生物學和藥物研發都非常重要，許多疾病與蛋白質間相互作用（PPI）有關，這種相互作用是理想的藥物靶點。然而，這種相互作用通常包含“不可藥物治療”的扁平界面，因為他們與傳統的小藥分子靶向的口袋型結構大不相同。
MaSIF能夠成功識別靶點的結合劑，是理性蛋白質設計的理想工具，開啟了生物藥物研究的各種應用，比如免疫抑制檢查站癌癥治療，這種療法以負責程序性細胞死亡的PD-1/PD-L1蛋白質復合體為靶體。
留言點贊關注
我們一起分享AI學習與發展的干貨
如轉載，請后臺留言，遵守轉載規范