学术速运|用于进行分子性质预测和发现的证据型深度学习

​题目：Evidential Deep Learning for Guided Molecular Property Prediction and Discovery

文献来源 :ACS Cent. Sci. 2021, 7, 1356−1367

代码：https://github.com/aamini/chemprop

简介：神经网络虽然在很多分子建模以及结构-性质预测方面达到了最先进的结果，但是这些模型在领域外的任务上普适性却不是很好，常常获得较差的性能并且给出不靠谱的预测结果。在本文中，作者提出了证据型深度学习来进行以深度学习为基础的分子结构-性质预测，并且没有额外的计算成本。作者开发了evidential 2D message passing neural networks 和 evidential 3D atomistic neural networks并将其用于不同的任务。作者证明，证据型的不确定性可以使(1)不确定性与误差相关的校准预测，(2)通过不确定性引导的主动学习进行样本高效训练，以及(3)在回顾性虚拟筛选活动中提高了实验验证率。作者的研究结果表明，证据型深度学习可以提供一种有效的不确定性量化方法，用于分子性质在化学和物理科学中的预测、发现和设计任务。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！