molecular representation | BriefGPT

关键词molecular representation

搜索结果 - 9

底物范围对比学习：重塑人类偏见以学习原子表示
学习分子表示是分子机器学习中一个关键步骤，它对于建模的成功具有重大影响，特别是在数据稀缺情况下。本研究引入了一种新颖的预训练策略，基底范围对比学习，通过学习与化学反应性相匹配的原子表示。该方法将已发布的基底范围表中的基底组织和收率视为其在化
PDF5 months ago
AAAIMolTailor: 通过文本提示定制化化学分子表征以执行特定任务
通过将语言模型视为代理和分子预训练模型视为知识库，我们提出了一种新颖的方法，称为 MolTailor，它可以通过理解任务的自然语言描述来强调分子表示中与任务相关的特征，从而提高预测性能。通过评估，我们证明了 MolTailor 相较于基线模
PDF6 months ago
通过模态融合实现统一分子建模
介绍了一种新的自监督学习方法 (MoleBLEND)，该方法将来自不同模态的属性混合在一起，然后根据 2D 和 3D 结构分别恢复属性信息，达到了在 2D/3D 基准测试中的最先进性能。
PDFa year ago
分子几何深度学习
本文提出了一种新颖的、基于分子图像而非化学键的分子表示方法，并称其可以实现相似或更好的分子属性预测结果，表明其拥有超越共价键分子图像的潜力。同时，基于上述发现，本文提出了分子几何深度学习（Mol-GDL）模型，并在 14 个常用基准数据集上
PDFa year ago
药物相互作用预测中深度学习与图学习的综合评估
本文综述了基于化学结构、网络、自然语言处理、混合方法的药物预测模型以及基于图神经网络模型表示分子结构的理论框架或深度和图学习方法的优缺点、潜在技术难点和未来发展方向。
PDFa year ago
多模态信息下的分子联合表示学习
本文提出了一种新的分子联合表示学习框架，通过 SMILES 和分子图的多模态信息进行多模态融合，改进了自我注意力机制，并进一步提出了双向消息传递图神经网络来增强从图中聚合的信息流以进一步组合。我们通过公共性质预测数据集上的大量实验证明了我们
PDF2 years ago
AAAI基于能量激发的等变预训练对 3D 分子图的研究
本文提出一种新的三维分子预训练方法，该方法采用等变能量基模型作为主干网络，以预测节点力信息为目标进行节点级预训练损失计算，并采用高斯分布以保证其 E（3）不变性，同时通过图层级噪声缩放预测任务来进一步提高模型性能，实验结果表明，该方法在两个
PDF2 years ago
ICLRHamNet: 基于哈密顿神经网络的构象引导分子表示
该论文提出了一种新的分子表示算法 —— 分子哈密顿网络（HamNet），可以保存分子的 3D 构象，并且表现优异，可以应用在标准的分子机器学习基准测试 MoleculeNet 上。
PDF3 years ago
机器学习中的分子表示理解：独特性和目标相似性的作用
介绍了基于量子力学的分子表示层次结构，使用多体展开式控制目标相似性，并使用高阶贡献提高预测准确性和速度的 BAML 模型在数千种小有机分子的性质计算中表现出了前所未有的预测准确性和速度。
PDF8 years ago