使用 DIONYSUS 在低数据化学数据集上的概率模型校准和推广性

MMDec, 2022

使用 DIONYSUS 在低数据化学数据集上的概率模型校准和推广性

Calibration and generalizability of probabilistic models on low-data chemical datasets with DIONYSUS

Gary Tom, Riley J. Hickman, Aniket Zinzuwadia, Afshan Mohajeri, Benjamin Sanchez-Lengeling...

TL;DR本文研究了概率机器学习模型在小化学数据集上的建模效果，通过实验评估了不同分子表示和模型的预测和不确定性，并提供了关于模型和特征选择的实用见解，为新型化学实验中常见的场景提供了帮助。

Abstract

Deep learning models that leverage large datasets are often the state of the art for modelling molecular properties. When the datasets are smaller (< 2000 molecules), it is not clear that deep learning approaches are the right modelling tool. In this work we perform an extensive study

probabilistic machine learning small chemical datasets modeling molecular properties bayesian optimization

发现论文，激发创造

使用贝叶斯神经网络模型对分子性质预测的不确定性量化

本研究采用贝叶斯神经网络在分子性质预测中量化预测的不确定性，证明不确定性量化的必要性，从而提高分子应用的可靠性。

Nov, 2018

利用归因来解码化学神经网络模型中的数据集偏差

研究了如何用 attribution method 对深度神经网络模型进行解释，发现存在数据集偏差，进一步提出了一种测试数据集偏差的方法，为揭示药物作用机理提供了重要指导。

Nov, 2018

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

MoleculeCLA: 通过计算化学配体 - 靶标结合分析重新思考分子基准

构建精确大规模的分子表示数据集，通过深度学习模型为药物发现的人工智能领域提供准确可靠的基准。

Jun, 2024

通过校准的深度神经网络和自我训练提取化学物质 - 蛋白质相互作用

提出一种基于 DNN 的方法，结合了不确定性信息和校准技术来提取化学物质 - 蛋白质之间的相互作用。该方法能够估算数据不确定性并提高模型可靠性，同时改善性能并保持高校准能力。

Nov, 2020

基于贝叶斯学习的可靠分子监督学习的基准研究

本研究旨在探讨基于贝叶斯学习的图神经网络在分子筛选中的预测性能和可靠性，结果表明贝叶斯学习能够为不同的神经网络结构和分类任务提供良好的校准预测，并在虚拟筛选中发挥重要作用，从而产生更高的发现成功率。

Jun, 2020

化学数据审查以减轻双重使用风险

本文提出了一种基于模型的方法来有选择性地噪声化数据集，同时保留有利于深度神经网络训练的数据，以减轻化学领域中化学数据集恶意使用的风险，结果表明，选择性噪声化暴露的数据集具有对敏感标签预测产生控制的模型方差和偏差的作用，并且省略敏感数据往往增加了模型方差以减轻双重使用。

Apr, 2023

利用消息传递神经网络集合进行分子属性预测的校准不确定性

本文提出了一种通过考虑统一的不确定性来源并在新数据上重新校准预测分布的信息传递神经网络，能够使神经网络准确预测分子的形成能，并且提供可靠的不确定性估计。

Jul, 2021

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

机器学习统一材料和分子建模

本研究基于局部化学环境和贝叶斯统计学习的机器学习模型，提供了一个统一的框架，可以预测原子尺度的稳定性和不同类别的分子的化学精度，可以区分活性和非活性的蛋白质配体，这种方法可以对材料和分子的势能面提供新的洞察。

Jun, 2017