年初我打算花半年时间研究自动驾驶，以及计算机图形学，于是开始调研开发自动驾驶系统的硬件，最先考虑的是nvidia在2019年发布jetson nano平台时开放的jetbot，基本是一台玩具小车，配备3D打印车身，两个小轮子以及一块jetson nano developer kit，一个camera，官方项目地址，考虑搭建整个车子的硬件平台所需要的成本以及可玩性，我决定不考虑类似玩具方案的car robot，最后我瞄准了DJI robomaster EP，因为它开放了完整的SDK，并且整个机器人平台是用于教育比赛而设计的，可玩性非常丰富，自己也不需要过多的去考虑底层硬件的装配。这样我就可以借鉴jetbot的自动驾驶设计，将其移植到robomaster EP上，打造最原始的自动驾驶开发平台。

Thursday, February 18, 2021 at 11:15 AM – 1:30 PM PST

引用文章链接

介绍塔勒布写的四本好书:

自己在三月份预定了reMarkable2墨水屏手写电子平板书，由于疫情的原因，本来应该在七月份收到的，结果到昨天才收到货物，整个产品的包装很有艺术份儿，购买这个产品的原因是为了方便自己在出行时能够快速阅读，并且能够直接在文档上做标记和画图，电池的续航也特别长，基本上看看书可以使用3-5天，比起像iPad这样的平板该产品的优势大概就在于是墨水屏，分辨率1872*1404(226 DPI)基本上不会出现字体模糊的现象。平时在家，可以看看纸质书籍，出门上班或者远行带上reMarkable2就可以轻松快速的完成学习，将注意力专注于阅读和做笔记上。

icosavax-vaccine-pipeline

先从主要的原理入手，Rosetta@home只是预测能够Binding Covid-19外层刺突蛋白的人工合成药物的分子结构，可以想象成类似摄影中的拍照技术，Rosetta能够静态的预测某一个蛋白质的特征，但是它无法预测该蛋白质分子在时间的演化下是如何运作的，因为分子之间会有电势差异，产生电磁力的作用，所有分子内部的构成元素都会随着时间的变化相互影响而产生运动，当我们在Rosetta中设计出一种能够绑定SARS-COV-2病毒的合成药物时，需要进入测试阶段，观察该药物是否能稳定的与病毒蛋白质结合，因为预测的结构是静态的，我们无法知道蛋白质结构在相互作用运动的情况下是否能够很好的与病毒蛋白质结合，这里Folding@home就派上用场了，它就类似于摄影中的拍摄动态画面，我们可以从Rosetta@home上拿到静态的蛋白质结构链，然后在Folding@home中模拟该蛋白质随着时间的推移是否能够很好的与病毒蛋白质结合，从而产生抵抗病毒的作用。

www.cineneural.com网站初版已经上线，主网站托管在自己搭建的树莓派4集群上，官网的主要功能就是提供医学影像处理的入口。