![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 81
看论文的笔记
仰望星空_5
在线求职
展开
-
论文笔记|基于副产物的单步逆合成预测
图b显示了选择过程。通过分析目前一些模型的top-1结果,作者发现当化合物具有多个潜在反应中心时,直接预测的模型倾向于做出简单的预测,而逃避复杂的预测;对于RPBP,如果没有人工干预,也就是直接将第一阶段模型预测的副产物输入到第二阶段模型中来预测反应物, RPBP 和 GraphRetro对于氢化获得产物的偏好是一致的。至于解码层,则是根据上面的图的表示预测可能的副产品和相应的概率。另外,由于RPBP的预测精度受到第一阶段副产物预测的极大限制,未来的工作可以通过融合反应中心的信息来进一步提高模型的性能。原创 2023-09-25 17:34:19 · 301 阅读 · 0 评论 -
论文笔记|百度AI制药大赛冠军背后的技术(ViSNet源码)
想详细了解的可以看上一篇文章的介绍,或者阅读论文。github地址: https://github.com/microsoft/ViSNet/tree/OGB-LSC%40NIPS2022。以下展示的是与模型相关的源码以及我阅读源码时的一些笔记,想进一步了解数据处理模块或输出模块,或者想深入了解的需要下载源码自己深入探究。提示:由于没有找到论文对应的源码,这里看的是与原论文相似的另一篇论文的源码。下面是特征提取部分的源码,接下来从前往后依次深入展示。#初始化边的索引,权重值,方向向量。原创 2023-09-15 15:32:01 · 399 阅读 · 0 评论 -
论文笔记|百度AI制药大赛冠军背后的技术(ViSNet)
王童研究员团队提出全新的新冠小分子药物解决方案:通过AI2BMD高精度的分子动力学模拟有效区分正负样本小分子与主蛋白酶靶点之间的结合自由能,利用AIMD-Chig蛋白全构象数据集对ViSNet模型进行预训练,最终通过对预训练的ViSNet网络进行fine tuning,得到高准确度的预测结果。在一些基准上进行综合评估时,ViSNet 在 MD17 数据集上的所有分子上均优于所有最先进的算法,并且在 QM9 数据集上表现出优越的性能,表明分子几何表示的强大能力。表示节点i的1跳邻居节点集合,j是其邻居之一。原创 2023-09-15 10:58:52 · 687 阅读 · 0 评论 -
综述:化学分子预训练模型的研究
使用预训练的方式一方面可以解决标注数据的问题,另一方面也可以使模型有更好的泛化能力,而且也能节省宝贵的算力资源。输入的分子描述符经过编码得到与之对应的分子向量,再经过解码还原至分子描述符,通过对比输入和输出的差异进行预训练。作者从四个角度(分子描述符,分子Encoders架构,预训练策略,应用领域)对它们进行了区分和详细的介绍,并举例了其中具有代表性的模型,详情如下图Figure 2所示。分子属性预测,与从头开始训练的模型相比,CPM 可以更好地外推到分布外的分子,这在预测新合成药物的特性时尤其重要。原创 2023-08-26 16:27:00 · 283 阅读 · 0 评论