AI TIME PhD
《Graph Representation Learning for Drug Discovery》
2020年9月4日 19:30-20:30
划重点
!
直播通道:
哔哩哔哩直播通道
扫码或点击链接
关注AITIME哔哩哔哩官方账号
观看直播
链接:https://live.bilibili.com/21813994
直播时间:
2020年9月4日 19:30-20:30
报告题目:
Graph Representation Learning for Drug Discovery
发现一种可以治愈人类某种疾病的新药,特别是要将这款新药推向市场,是一个漫长且昂贵的过程,估计需要 10 年以上的时间,平均耗费为 25 亿美元。
最近几十年以来,科学家们一直在寻求通过现代计算技术来辅助新药发现的过程, 特别是人工智能和深度学习在这个领域得到了越来越多的关注。
本报告汇报了他们在新药发现领域的两个工作:
(1)他们提出了一个基于自回归流模型的分子图生成模型 GraphAF。
实验结果表明,GraphAF可以生成真实、新颖、独特且多样的分子,而且所有生成的分子在化学意义上都是合理的,在分子性质优化任务上也取得了最好的效果。
(2)他们提出了可以预测分子逆合成路线的模型G2Gs。
G2Gs不依赖任何反应模版并且也不依赖子图同构。它通过一系列图变换,将产物分子转换(或称为翻译)到反应物分子。实验结果表明,G2Gs的性能远优于不依赖反应模版的方法,它的性能与基于模版的方法相近,但是它不依赖领域知识和子图同构,且具有更好的可扩展性。
嘉宾简介:
史晨策,First-year master student at MILA, 导师为唐建教授。主要研究方向为图表示学习,已在相关领域的国际会议如ICLR,ICML等发表论文。
直播结束后我们会邀请讲者在微信群中与大家答疑交流,请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“phd”,将拉您进“AI TIME PhD交流群-1”!
AI TIME微信小助手
主 办:AI TIME
联合支持:中国工程院知领直播、学堂在线、CSDN
公益合作:智谱·AI、学术头条、biendata、大数据文摘、数据派、AI科技评论、 Ever链动、机器学习算法与自然语言处理
清华情怀·AITIME基地
1911主题餐厅
待疫情结束,AI TIME期待与您线下相聚!
AI Time欢迎AI领域学者投稿,期待大家剖析学科历史发展和前沿技术。针对热门话题,我们将邀请专家一起论道。同时,我们也长期招募优质的撰稿人,顶级的平台需要顶级的你,请将简历等信息发至yun.he@aminer.cn!
微信联系:AITIME_HY
AI Time是清华大学计算机系一群关注人工智能发展,并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索,加强思想碰撞,打造一个知识分享的聚集地。
更多资讯请扫码关注