Jan, 2018

简洁即美：主动学习中的化学空间采样

PDF
TL;DR我们基于主动学习算法，提出了一种全自动方法，用于生成分子能量的数据集，能够支持深度学习算法 ANI 在含有 CHNO 的有机分子的所有情况下实现精确的能量和力预测。
machine learningactive learningensembleorganic moleculespotential energy
发现论文，激发创造
  • 面向物理的主动学习在加速量子化学模拟中的应用

    通过使用主动学习 (AL)，可以以经济的时间和资源投入及最少的人工干预构建具有鲁棒数据效率的潜力。实现了构建可靠的数据高效势能，并在牵引谱模拟、生化分子构象搜索和 Diels-Alder 反应的时间分辨机理研究中展示了该协议的多功能性。

    Apr, 2024

  • ChemSpaceAL：一种高效的应于蛋白质特异性分子生成的主动学习方法

    通过构建样本空间的表示，使用半监督主动学习方法来精细调整生成模型，使其针对目标函数进行优化，以在化学空间代理内实施，从而最大限度地增强生成的分子与蛋白质靶点之间的吸引相互作用。

    Sep, 2023

  • 分子性质的机器学习：局部性和主动学习

    本篇论文提出了一种基于局部相互作用模型和主动学习算法的新型机器学习算法，可以在较小的训练集上提供高精度预测，并显著减少异常值误差，从而为材料设计和药物发现等领域提供更有效的高通量筛选方法。

    Sep, 2017

  • 化合物空间分子电子性质的机器学习

    结合现代科学计算和电子结构理论，基于深度多任务人工神经网络的机器学习模型能够对上千个有机分子的多个电子基态和激发态性质进行预测，从而实现对合成可及的虚拟化合物库的高通量筛选，成本极低且准确度与现代量子化学方法相当甚至更优。

    May, 2013

  • ANI-1：一种具有 DFT 精度的可扩展神经网络潜能，以势场计算成本为代价

    本篇研究论文介绍了利用深度学习神经网络在分子势能表面方面的应用，提出了 ANI-1 及其训练的过程，后者通过量子机械 DFT 计算得到，并能较为准确地预测具有 H、C、N 和 O 四种原子的有机分子的总能量。

    Oct, 2016

  • 子集选择与知情图神经网络的相互作用

    使用领域知识为 Qm9 数据集的分子离子化能量预测选择高效的训练集和 ML 技术，通过最大化训练集中分子的多样性，提高线性和非线性回归技术（如核方法和图神经网络）的鲁棒性，并基于速率扭曲解释框架的模型不可知解释器来检查图神经网络的预测可靠性。

    Jun, 2023

  • 使用神经网络实现鲁棒性和可重现的主动学习

    本研究旨在证明在相同实验条件下，不同类型的主动学习算法（基于不确定性、多样性和委员会的），与随机采样基准相比，产生的收益不一致，这种性能度量的差异性可能导致结果与以前报告的结果不一致，强正则化下，主动学习方法在各种实验条件下显示出微小或无优势，并提出一套关于如何评估主动学习算法的建议，以确保结果在实验条件变化下具有重复性和稳健性。

    Feb, 2020

  • 使用有针对性的干预进行活跃因果学习，解码化学复杂性

    基于分子结构预测和增强固有性质对于医学、材料科学和环境管理中的设计任务至关重要，本研究介绍了一种主动学习方法，通过智能抽样和干预来辨识潜在的因果关系，以优化在未接触到的化学空间内的设计任务。

    Apr, 2024

  • 物理学中的主动学习：从基础到进展和观点

    主动学习是一种在人工智能时代之前就存在的机器学习算法家族，与传统方法相比，利用未标记的样本通过专家的标注来优先选择最具信息量的样本，从而提高模型性能。本文介绍了主动学习的理论，涵盖不同领域的最新进展，并探讨了主动学习与量子机器学习的潜力。

    Jul, 2023

  • 可编程光量子处理器上的主动学习

    通过实现两个基于主动学习（Active Learning, AL）策略的变分量子分类器，我们证明了在量子机器学习中引入主动学习能够极大地节约标注和计算成本，并为大规模量子机器学习中进一步使用主动学习策略提供了启示。

    Aug, 2022