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!