AIGC動態(tài)歡迎閱讀

原標題：彌合化學反應預訓練和條件分子生成之間的差距，北大&望石智慧提出「統(tǒng)一」模型

關鍵字：化學反應,反應物,反應,模型,方法

文章來源：機器之心

內(nèi)容字數(shù)：4561字

內(nèi)容摘要：將 ScienceAI設為星標第一時間掌握新鮮的 AI for Science 資訊編輯 |紫羅化學反應是藥物設計和有機化學研究的基礎。研究界越來越需要一種能夠有效捕獲化學反應基本規(guī)則的大規(guī)模深度學習框架。近日，來自北京大學和望石智慧的研究團隊提出了一種新方法來彌合基于反應的分子預訓練和生成任務之間的差距。受有機化學機制的啟發(fā)，研究人員開發(fā)了一個新的預訓練框架，使其能夠?qū)w納偏差納入模型中。所提框架在執(zhí)行具有挑戰(zhàn)性的下游任務中取得了最先進的結(jié)果。通過掌握化學知識，生成框架克服了當前依賴少量反應模板的分子生成模型的局限性。在大量的實驗中，模型生成了高質(zhì)量的可合成藥物樣結(jié)構(gòu)。總的來說，該研究向各種基于反應的應用程序的大規(guī)模深度學習框架邁出了重要一步。該研究以《Bridging the gap between chemical reaction pretraining and condition…

原文鏈接：點此閱讀原文：彌合化學反應預訓練和條件分子生成之間的差距，北大&望石智慧提出「統(tǒng)一」模型

聯(lián)系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務平臺