统计 Hugging Face 各科学领域数据格式:基因组学 AnnData 居首
evijit · x · 2026-11-20
Hugging Face 员工 evijit 指出,AI for Science 需要跳出文本/图像/音频/视频的思维,重新思考数据格式。他统计了 HF Hub 上各科学领域最流行的专业数据格式(截至 2026-11-19,不含 Parquet/CSV/HDF5 等通用格式):
- 基因组学:33% 发布者用专业格式,AnnData 17%、FASTA 11%、BED 6%
- 神经科学:24%,NIfTI 10%、BIDS 8%、EDF/BDF 4%
- 蛋白与结构:24%,PDB/mmCIF 15%、FASTA 14%、A3M 3%
- 地球观测:20%,GeoJSON 14%、GeoPackage 4%
- 天文:11%,FITS 10%;材料/原子模拟:10%,PDB/mmCIF 5%、XYZ 4%
- 气象气候:9%,NetCDF 6%;物理模拟:8%,VTK 3%
化学与药物发现、医学健康仅 6%,生物其他 5%,科学类整体仅 4% 使用专业格式——科研数据生态仍有大量空白。统计页面:hf.co/spaces/evijit/hf-science-growth
「研究」频道最新
- 科学家给 HF datasets 开 PR:BIDS 神经影像与生物电信号支持 — evijit · 2026-11-20
- 全 AI 设计的分子 Dyno-hc9:7 个突变位点全部由深度学习挑选、可穿越血脑屏障 — IAmSamFin · 2026-11-20
- 微调 Qwen3-VL 8B 解读镜头语言,准确率 69% 远超 Gemini 与 Opus — ravisparikh · 2026-11-20
- Victor Taelin 发布 Bend2 演讲,详解并行语言设计背后的动机 — pbaylies · 2026-11-20
- PL Neuro 发布 Neuro Atlas:神经科技公司与里程碑一图尽览 — melnykowycz · 2026-11-20
- Reddit 热议:该不该办一个中文 AI 学术会议 — Mean_Revolution1490 · 2026-11-20