Aug, 2022

基于人工智能的有机化学高超图网络：网络统计和反应分类应用

PDF
TL;DR本文提出了一种基于超图的化学反应网络表示方法，旨在研究反应的统计特性和利用超图嵌入解决反应分类问题。结果表明，超图表示方法具有灵活性、能够保留反应上下文，且能够揭示出传统有向图表示方法无法呈现的隐含特征。
chemical reactionshypergraphnetwork theorymolecular modelingai applicability
发现论文，激发创造
  • Rxn Hypergraph: 化学反应表示的超图注意力模型

    采用基于图的分子结构表示的超图注意力神经网络方法解决化学反应表示与性质预测问题，既能增强在通用性、鲁棒性、解释性等方面的考虑，又能达到比其他方法更好的性能与可解释性。

    Jan, 2022

  • 使用图形超网络进行分子属性预测和分类

    本文中，研究者探究了基于超网络的替代方法，发现在各种基准测试中具有最先进的成果，尤其在学习基于分子的属性预测和分类方面表现突出，并且解决了超网络的稳定性问题。

    Feb, 2020

  • 有机化学反应预测的神经网络

    利用神经网络和 SMARTS 变换预测有机反应类型和产物，以提高有机合成规划的效率。

    Aug, 2016

  • 具有化学反应网络集成的生成模型的自治学习

    微米级袋状互动分子可以自主学习复杂且波动的环境；通过控制理论、机器学习理论、化学反应网络理论和统计物理学，我们开发了一个通用架构，使得广泛类别的化学系统可以自主学习复杂分布。

    Nov, 2023

  • 超图：一个统一且一致的定义及其在化学超图中的应用

    通过新定义的超图，将无向超图、有向超图和嵌套超图的概念统一起来，以超边作为高阶事物之间的关联的单一结构，方便地表示一般和化学系统中的高阶关联，尤其适用于化学系统的机器学习。

    May, 2024

  • 基于图神经网络的底物特异性有机反应条件预测

    本篇研究使用图神经网络对有机化学反应进行建模，通过对四种普遍反应进行分类任务的评估，发现具有预测能力且能够识别影响反应条件的特定图形特征，为推进分子机器学习研究提供了巨大的前景。

    Jul, 2020

  • 利用注意力机制神经网络绘制化学反应空间地图

    通过使用基于变换器的模型，可以从不带注释的简单文本化学反应表示中推断出反应类别，并可用作反应指纹，其分类准确率达到了 98.2%，而且较之传统反应指纹更好地捕捉反应类别之间的差异。

    Dec, 2020

  • 基于高维度图分类的分子分类

    我们的研究引入了一种创新的基于超维计算的图学习方法，与图神经网络和 Weisfieler-Lehman 图核心相比，在癌细胞识别等应用领域取得了可比拟的结果，并且在训练和推断阶段实现了显著的加速和资源效率的提升。

    Mar, 2024

  • 分子超图神经网络

    通过引入分子超图和分子超图神经网络（MHNN），本研究针对化学有关任务中传统图模型无法足够表示高阶连接（如多中心键和共轭结构）的问题，提出了一种可以预测有机半导体的光电性质的 MHNN 算法，其中超边表示共轭结构。结果表明，MHNN 在 OPV、OCELOTv1 和 PCQM4Mv2 数据集的大多数任务中优于所有基准模型。值得注意的是，MHNN 在没有任何三维几何信息的情况下，超过了利用原子位置的基准模型。此外，在训练数据有限的情况下，MHNN 表现出更好的性能比预训练 GNNs，彰显其出色的数据效率。本研究为更一般的分子表示和高阶连接相关的属性预测任务提供了新的策略。

    Dec, 2023

  • 超图上的随机游走

    本篇研究提出了一种基于高阶网络结构的新型随机游走模型，探究高阶网络中的扩散过程及其对信息扩散的影响，旨在揭示复杂网络系统中偏向性信息传播机制并成功应用于多特征对象分类任务中。

    Nov, 2019