molecules | BriefGPT - AI 论文速递

关键词molecules

搜索结果 - 30

一种用于分子距离几何的生成模型
该研究提出了一种基于概率模型和欧几里得距离几何学的分子生成模型，并且在分子构象生成的新基准测试中显示其具有最先进的准确性；最后，展示了如何将该模型用作重要采样方案中的提议分布来计算分子属性。
PDF5 years ago
用于有针对性分子发现的对称适应的 3D 点集生成
利用深度学习的生成模型对分子和材料进行快速的预测，同时引入了一种能够识别非键合作用和立体异构体，并且能够偏向于小 HOMO-LUMO 间隙分子生成的生成式神经网络。
PDF5 years ago
深度学习在分子设计中的应用 - 现状综述
文献的主要内容是深度生成建模技术被应用于分子生成和优化，包括使用递归神经网络、自动编码器、生成对抗网络和强化学习等四种技术，并探讨了这些技术的数学基础和优缺点，内容涉及到分子表示和设计中的多个方面。
PDF5 years ago
使用深度神经网络生成平衡分子
本文介绍了一种新型的深度卷积神经网络结构，它通过在三维空间中顺序放置原子来生成分子平衡结构，该模型估计分子配置的联合概率，并演示了其可以在 C$_7$O$_2$H$_{10}$ 的同分异构体中生成接近平衡的分子。
PDF6 years ago
N-Gram 图：用于图表征的简单非监督方法，并应用于分子
本文介绍了一种新的无监督分子表示方法 N-gram graph，通过组合短途径图中的顶点嵌入来构建分子的紧凑表示，从而有效地预测分子性质并证明其在预测中的优势。
PDF6 years ago
ICLR面向结构化数据的语法导向变分自编码器
通过引入 stochastic lazy attributes，提出了一种基于语法制导的变分自编码器以捕捉离散结构的语法和语义约束，并使用编程语言和分子优化等应用程序对其进行了评估。
PDF6 years ago
NIPS神经消息传递半监督学习分子的分层表示
本文提出一种适用于无监督和半监督任务的分层特征提取算法，使用神经信息传递机制，用于分子（或具有固定节点和边类型的图形对象）的表示学习，经在多个基准数据集上的测试，证明了方法优于现有方法，同时半监督任务的预测性能也优于有标记样本的监督学习。
PDF7 years ago
ChemGAN 挑战：AI 是否能够重现自然化学多样性为药物开发服务？
本研究旨在探索生成具有期望化学性质的分子以用于药物研发。通过定量评估内部化学多样性，我们提出了以下挑战：一个 AI 模型是否能够复制所需分子的自然化学多样性？通过考虑强化学习模型及最近推出的 ORGAN 模型，我们发现这一挑战并未被成功解决
PDF7 years ago
量子化学中的神经消息传递
本文介绍了一种基于神经网络模型的消息传递神经网络 (Message Passing Neural Networks, MPNN)，并探索了 MPNNs 的衍生变体。在化学性质预测基准测试中，使用 MPNNs 获得了最先进的结果，表明将来的
PDF7 years ago
使用基于数据驱动的连续分子表示自动进行化学设计
该研究报告了一种将分子的离散表示转换为多维连续表示的方法，并使用深度神经网络构建了三个耦合函数，即编码器、解码器和预测器，以便从化合物的化学特性的连续向量表示中自动生成新的化合物，这种连续表示还允许使用强大的梯度优化方法有效地引导寻找优化的
PDF8 years ago