스킬 deepchem
📦

deepchem

콘텐츠 리비전 r1 안전 ⚙️ 외부 명령어🌐 네트워크 접근

DeepChem으로 분자 ML 워크플로 구축

분자 머신러닝에는 특화된 featurizer, 데이터셋, 평가 방법이 필요한 경우가 많습니다. 이 스킬은 Claude, Codex, Claude Code가 물성 예측, 전이 학습, 벤치마크를 위한 DeepChem 워크플로를 설계하도록 돕습니다.

지원: Claude Codex Code(CC)
Maintain this Skill? Claim it 🥉 79 브론즈

내 에이전트로 설치

이 요청을 에이전트에 복사하세요. 공식 Skill 페이지와 매니페스트가 포함되어 있습니다.

에이전트 요청
Review the Skillstore skill "deepchem" from https://skillstore.io/skills/k-dense-ai-deepchem.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-deepchem/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

에이전트는 계속해서 계획을 표시하고 보안 정책에서 요구하는 확인을 요청해야 합니다.

에이전트가 읽기 쉬운 리소스

AI 에이전트, 크롤러, 스크립트가 전체 페이지 대신 정리된 컨텍스트만 필요할 때 이 링크를 사용하세요.

Markdown 상세 GET /skills/k-dense-ai-deepchem.md 서명된 manifest GET /api/skills/k-dense-ai-deepchem/manifest 서명된 lockfile GET /api/skills/k-dense-ai-deepchem/lockfile

테스트해 보기

"deepchem" 사용 중입니다. SMILES와 용해도 라벨이 있는 분자 800개가 있습니다. 무엇을 먼저 시도해야 하나요?

예상 결과:

  • baseline으로 CircularFingerprint와 간단한 회귀 모델부터 시작하세요.
  • 학습 세트와 테스트 세트 간의 화학적 leakage를 줄이기 위해 ScaffoldSplitter를 사용하세요.
  • baseline이 불안정하거나 라벨이 희소한 경우 전이 학습을 고려하세요.

"deepchem" 사용 중입니다. Tox21에서 독성 예측을 평가해야 합니다.

예상 결과:

  • 그래프 feature와 scaffold splitting을 사용하는 MoleculeNet Tox21 loader를 사용하세요.
  • Tox21에는 여러 독성 task가 있으므로 multitask classifier를 학습하세요.
  • task별 ROC-AUC를 보고하고 평가 메모에 missing-label 처리를 포함하세요.

"deepchem" 사용 중입니다. 내 그래프 모델에서 메모리가 부족합니다.

예상 결과:

  • 모델 아키텍처를 변경하기 전에 batch size를 줄이세요.
  • 큰 feature 배열에는 disk-backed dataset을 사용하세요.
  • 데이터셋과 라벨을 사용할 수 있는지 확인하기 위해 fingerprint baseline부터 시작하세요.

보안 감사

안전
v9 • 2026. 7. 9. 버전별 보고서 열기

All static findings were adjudicated as false positives after reviewing the cited files. The alerts come from Markdown code fences, DeepChem API names, ML validation terminology, argparse choices, and public documentation links rather than malicious behavior.

7
스캔된 파일
2,524
분석된 줄 수
0
검토 항목
0
오탐 무시됨

위험 요인

⚙️ 외부 명령어 (50)
SKILL.md:34-53 SKILL.md:53-56 SKILL.md:56-57 SKILL.md:57-58 SKILL.md:58-59 SKILL.md:59-60 SKILL.md:60-68 SKILL.md:68-90 SKILL.md:90-94 SKILL.md:94-106 SKILL.md:106-114 SKILL.md:114-118 SKILL.md:118-120 SKILL.md:120-137 SKILL.md:137-140 SKILL.md:140-141 SKILL.md:141-142 SKILL.md:142-143 SKILL.md:143-144 SKILL.md:144-160 SKILL.md:160-167 SKILL.md:167-170 SKILL.md:170-180 SKILL.md:180-183 SKILL.md:183-200 SKILL.md:200-206 SKILL.md:206-221 SKILL.md:221-224 SKILL.md:224 SKILL.md:225 SKILL.md:226 SKILL.md:227 SKILL.md:229-235 SKILL.md:235-251 SKILL.md:251-259 SKILL.md:259-263 SKILL.md:263-280 SKILL.md:280-284 SKILL.md:284-298 SKILL.md:298-306 SKILL.md:306-324 SKILL.md:324-330 SKILL.md:330-367 SKILL.md:367-373 SKILL.md:373-401 SKILL.md:401-403 SKILL.md:403-407 SKILL.md:407-409 SKILL.md:409-412 SKILL.md:412-422
🌐 네트워크 접근 (3)
SKILL.md:591 SKILL.md:592 SKILL.md:593
가장 최근에 완료된 정적·의미론적 감사에서 확인된 보안 발견 사항이 감지되지 않았습니다. 이는 스킬에 부작용이 없음을 증명하지 않습니다.
감사자: claude 감사 이력 보기 →
이 보고서 공유 및 인용

버전이 지정된 평가 보고서, 중립 배지, 임베드 카드 및 인용을 공유하세요. Skillstore는 근거를 보고하지만 이 Skill의 안전 여부를 판단하지 않습니다.

버전별 보고서 열기
보안 평가

보고서 링크 복사

https://skillstore.io/skills/k-dense-ai-deepchem/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 배지

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-deepchem/security.svg)](https://skillstore.io/skills/k-dense-ai-deepchem?utm_source=security_passport_badge)

HTML 배지

<a href="https://skillstore.io/skills/k-dense-ai-deepchem?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-deepchem/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

임베드 카드

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-deepchem.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
학술 인용 (APA · BibTeX · CFF)

APA 인용

K-Dense-AI. (2026). deepchem security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-deepchem/audits/9

BibTeX 인용

@techreport{k-dense-ai-k-dense-ai-deepchem-2026, author = {K-Dense-AI}, title = {deepchem security audit report (audit version 9)}, institution = {Skillstore}, year = {2026}, number = {9}, url = {https://skillstore.io/skills/k-dense-ai-deepchem/audits/9}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "deepchem security audit report (audit version 9)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-09" url: "https://skillstore.io/skills/k-dense-ai-deepchem/audits/9" identifiers: - type: other value: "skillstore:k-dense-ai-deepchem:audit:9" description: "Skillstore immutable audit report identifier"

변형 비교

설치 가능한 변형 2개

각 작성자의 스킬은 별도의 설치 항목으로 유지됩니다. 추천 변형은 Skillstore 근거로 순위가 정해집니다.

이 변형이 1위인 이유

Skillstore 사용량이 더 높음
K-Dense-AI 권장 현재

k-dense-ai-deepchem

Skillstore 점수 79
증거 신뢰도 높음
Skillstore 사용량 16
업데이트됨

2026-09-09

davila7

davila7-deepchem

Skillstore 점수 79
증거 신뢰도 높음
Skillstore 사용량 11
업데이트됨

2026-09-09

Skillstore 점수

이 점수의 이유 증거 신뢰도: 높음
64
아키텍처
85
유지보수성
87
콘텐츠
70
커뮤니티
78
사양 준수

만들 수 있는 것

신약 후보 우선순위 지정

비용이 많이 드는 실험실 스크리닝 전에 용해도, 독성 또는 활성 경향을 추정합니다.

분자 모델 프로토타입 제작

사용자 지정 분자 데이터셋에서 fingerprint, descriptor, 그래프 신경망을 비교합니다.

화학 ML 워크플로 교육

featurization, scaffold splitting, metric, 벤치마크 평가를 설명하는 안내형 예제를 만듭니다.

이 프롬프트를 사용해 보세요

featurizer 선택 
SMILES 문자열과 하나의 용해도 타깃이 있는 CSV 파일에 사용할 DeepChem featurizer를 선택하도록 도와주세요. tradeoff를 설명해주세요.
벤치마크 모델 학습 
scaffold splitting과 ROC-AUC 평가를 사용하여 Tox21에서 graph convolution 모델을 학습하는 DeepChem 워크플로를 설계해주세요.
전이 학습 사용 
pretrained 분자 모델과 적절한 검증을 사용하여 작은 결합 친화도 데이터셋을 위한 전이 학습 워크플로를 계획해주세요.
모델 전략 비교 
내 ADMET 데이터셋에 대해 CircularFingerprint, RDKitDescriptors, GCN, AttentiveFP를 비교해주세요. 실험 계획과 metric을 추천해주세요.

모범 사례

  • 구조 기반 데이터 leakage를 줄이기 위해 분자 예측 task에는 scaffold splitting을 사용하세요.
  • 딥 그래프 신경망을 학습하기 전에 간단한 fingerprint baseline부터 시작하세요.
  • 분류에는 ROC-AUC, 회귀에는 RMSE 또는 R2처럼 task 유형에 metric을 맞추세요.

피하기

  • 유사한 scaffold가 양쪽 세트에 모두 나타날 수 있는 경우, 신약 개발 주장에 random split을 사용하지 마세요.
  • 강력한 regularization 또는 전이 학습 없이 매우 작은 데이터셋에서 대규모 그래프 신경망을 학습하지 마세요.
  • 외부 검증 없이 예측된 분자 물성을 실험적 증거로 간주하지 마세요.

자주 묻는 질문

이 스킬은 무엇에 가장 적합한가요?
분자 물성 예측, 벤치마크, 전이 학습을 위한 DeepChem 워크플로를 계획하고 설명하는 데 가장 적합합니다.
DeepChem 모델을 직접 실행할 수 있나요?
코드와 스크립트를 안내할 수 있지만, 실행하려면 DeepChem과 해당 의존성이 설치된 로컬 환경이 필요합니다.
어떤 featurizer부터 시작해야 하나요?
빠른 baseline을 위해 CircularFingerprint부터 시작한 다음, 충분한 데이터가 있으면 그래프 featurizer를 시도하세요.
scaffold splitting이 권장되는 이유는 무엇인가요?
Scaffold splitting은 관련된 분자 구조를 함께 유지하여 일반화 성능을 더 현실적으로 추정하게 해줍니다.
pretrained 모델을 지원하나요?
예. 문서에서는 ChemBERTa, GROVER, MolFormer와 같은 모델을 위한 전이 학습 패턴을 다룹니다.
이것이 실험실 검증을 대체할 수 있나요?
아니요. 이 스킬은 계산 워크플로 구축을 돕지만, 결과는 적절한 과학적 방법으로 검증되어야 합니다.

개발자 세부 정보

작성자

K-Dense-AI

라이선스

MIT license

Skillstore 리비전

r1

버전 안내

작성자가 버전을 선언하지 않았습니다.

리포지토리

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/deepchem

참조

1ffa7643651792ccb4bd3b15d924d2c97edff755

유지보수 최신성

2026. 7. 26.

사용량

9 다운로드 · 202 조회

파일 구조

📁 references/

📄 api_reference.md

📄 workflows.md

📁 scripts/

📄 graph_neural_network.py

📄 predict_solubility.py

📄 transfer_learning.py

📄 evaluation.json

📄 SKILL.md

K-Dense-AI의 다른 스킬

전체 보기

관련 스킬

전체 보기