AI小分子藥物發(fā)現(xiàn)的「百科全書(shū)」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊

AIGC動(dòng)態(tài)11個(gè)月前發(fā)布機(jī)器之心

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：AI小分子藥物發(fā)現(xiàn)的「百科全書(shū)」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊
關(guān)鍵字：分子,模型,藥物,報(bào)告,表示
文章來(lái)源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

將 ScienceAI設(shè)為星標(biāo)
第一時(shí)間掌握
新鮮的 AI for Science 資訊作者|康奈爾大學(xué)杜沅豈
編輯 | ScienceAI
隨著 AI for Science 受到越來(lái)越多的關(guān)注，人們更加關(guān)心 AI 如何解決一系列科學(xué)問(wèn)題并且可以被成功借鑒到其他相近的領(lǐng)域。
AI 與小分子藥物發(fā)現(xiàn)是其中一個(gè)非常有代表性和很早被探索的領(lǐng)域。分子發(fā)現(xiàn)是一個(gè)非常困難的組合優(yōu)化問(wèn)題（由于分子結(jié)構(gòu)的離散性）并且搜索空間非常龐大與崎嶇，同時(shí)驗(yàn)證搜索到的分子屬性又十分困難，通常需要昂貴的實(shí)驗(yàn)，至少是至少是模擬計(jì)算、量子化學(xué)的方法來(lái)提供反饋。
隨著機(jī)器學(xué)習(xí)的高速發(fā)展和得益于早期的探索（包括構(gòu)建了簡(jiǎn)單可用的優(yōu)化目標(biāo)與效果衡量方法），大量的算法被研發(fā)，包括組合優(yōu)化，搜索，采樣算法（遺傳算法、蒙特卡洛樹(shù)搜索、強(qiáng)化學(xué)習(xí)、生成流模型/GFlowNet，馬爾可夫鏈蒙特卡洛等），與連續(xù)優(yōu)化算法，貝葉斯優(yōu)化，基于梯度的優(yōu)化等。同時(shí)現(xiàn)有較為完備的算法衡量基準(zhǔn)，比較客觀公平的比較方式，也為開(kāi)發(fā)機(jī)器學(xué)習(xí)算法開(kāi)拓了廣闊的空間。
近日，康奈爾大學(xué)、劍橋大學(xué)和洛桑聯(lián)邦理工學(xué)院（EPFL）的研究人員在《Nature Machin

原文鏈接：AI小分子藥物發(fā)現(xiàn)的「百科全書(shū)」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊