开发生成的对抗性支持向量机器,用于产生分子性质
1Beijing National Laboratory for Molecular Sciences, Institute of Chemistry, Chinese Academy of Sciences, Beijing, 100190, China. qinglu@iccas.ac.cn.
本研究引入了一种新的生成模型,将支持向量机与生成对抗网络 (GAN) 结合起来,以简化分子性质预测. 改进的模型有效地生成准确的分子数据,避免了常见的GAN培训问题.
科学领域:
- 计算化学计算化学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 生成对抗网络 (GAN) 对于图像生成来说很强大,但却存在很大的超参数空间,使训练变得复杂.
- 从头开始预测分子性质对于药物发现和材料科学至关重要.
研究的目的:
- 通过将支持矢量机 (SVM) 集成到GAN架构中来开发一种新的生成模型.
- 为了减少超参数空间并提高训练生成模型用于分子性质预测的可访问性.
主要方法:
- 设计了一个混合生成模型,将GAN与SVM结合起来.
- 该模型使用酸二极体 (FAD) 系统的分子结构,能量和二极点作为特征向量进行训练.
- 生成的数据根据ab initio计算进行了验证.
主要成果:
- 拟议的模型成功地从头开始生成了新的分子特征向量.
- 生成的数据显示与初始值有很强的一致性.
- 该模型避免了模式崩问题,确保了独特的数据生成.
结论:
- 用SVM增强的GAN为分子性质的生成建模提供了更有效和更容易获得的方法.
- 该模型的可扩展性允许纳入各种分子性质,表明其广泛适用性.
- 这种新的方法为新的分子设计和属性预测提供了一个强大的工具.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
09:20Isolation of Next-Generation Gene Therapy Vectors through Engineering, Barcoding, and Screening of Adeno-Associated Virus AAV Capsid Variants
Published on: October 18, 2022
相关概念视频
Predicting Molecular Geometry
Molecular Models
Molecular Orbital Theory I
Molecular Weight of Step-Growth Polymers
As the step-growth polymerization involves step-wise condensation of monomers, the molecular weight also builds up eventually. Consequently, high molecular weight polymers are obtained at the late stages of the polymerization, where 99% of monomers have been consumed.
The extent of the...
Molecular Kinetic Energy
[3,3] Sigmatropic Rearrangement of Allyl Vinyl Ethers: Claisen Rearrangement
