論文の概要: Deep Learning and Knowledge-Based Methods for Computer Aided Molecular Design -- Toward a Unified Approach: State-of-the-Art and Future Directions

• arxiv url: http://arxiv.org/abs/2005.08968v2
• Date: Sun, 5 Jul 2020 15:00:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 23:23:20.678315
• Title: Deep Learning and Knowledge-Based Methods for Computer Aided Molecular Design -- Toward a Unified Approach: State-of-the-Art and Future Directions
• Title（参考訳）: コンピュータ支援分子設計のための深層学習と知識ベース手法 ---統一アプローチに向けて--最新技術と今後の展望-
• Authors: Abdulelah S. Alshehri, Rafiqul Gani, Fengqi You
• Abstract要約: 分子レベルでの操作特性による化合物の最適設計は、しばしば科学的な進歩とプロセスシステムの性能向上の鍵となる。 本稿では,コンピュータ支援分子設計の課題と課題について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The optimal design of compounds through manipulating properties at the molecular level is often the key to considerable scientific advances and improved process systems performance. This paper highlights key trends, challenges, and opportunities underpinning the Computer-Aided Molecular Design (CAMD) problems. A brief review of knowledge-driven property estimation methods and solution techniques, as well as corresponding CAMD tools and applications, are first presented. In view of the computational challenges plaguing knowledge-based methods and techniques, we survey the current state-of-the-art applications of deep learning to molecular design as a fertile approach towards overcoming computational limitations and navigating uncharted territories of the chemical space. The main focus of the survey is given to deep generative modeling of molecules under various deep learning architectures and different molecular representations. Further, the importance of benchmarking and empirical rigor in building deep learning models is spotlighted. The review article also presents a detailed discussion of the current perspectives and challenges of knowledge-based and data-driven CAMD and identifies key areas for future research directions. Special emphasis is on the fertile avenue of hybrid modeling paradigm, in which deep learning approaches are exploited while leveraging the accumulated wealth of knowledge-driven CAMD methods and tools.
• Abstract（参考訳）: 分子レベルでの操作特性による化合物の最適設計は、しばしばかなりの科学的進歩とプロセスシステムの性能向上の鍵となる。 本稿では,CAMD(Computer-Aided Molecular Design)問題を支える重要なトレンド,課題,機会について述べる。 まず,知識駆動型特性推定手法と解法,および対応するCAMDツールおよび応用について概説する。 知識に基づく手法や手法を論じる計算の課題を考察し, 深層学習の分子設計への応用を, 計算の限界を克服し, 化学空間の未知領域をナビゲートするための肥大したアプローチとして調査する。 この調査の主な焦点は、様々な深層学習アーキテクチャと異なる分子表現の下での分子の深部生成モデリングである。 さらに,ディープラーニングモデル構築におけるベンチマークと経験的厳密性の重要性が注目されている。 レビュー記事はまた、知識ベースおよびデータ駆動型CAMDの現在の展望と課題について詳細な議論を行い、今後の研究方向性の重要な領域を特定する。 特に強調されているのは、知識駆動型CAMD手法やツールの蓄積した富を活用しながら、ディープラーニングアプローチを活用できるハイブリッドモデリングパラダイムの豊かな道である。

関連論文リスト

• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Scientific Language Modeling: A Quantitative Review of Large Language Models in Molecular Science [27.874571056109758]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の観点から科学的問題に取り組むための新しいアプローチを提供する。 我々は、ChEBI-20-MMというマルチモーダルベンチマークを提案し、モデルとデータモダリティとの互換性と知識獲得を評価する1263の実験を行った。 我々の先駆的な分析は、学習メカニズムを探求し、分子科学におけるSLMの進歩の道を開くものである。
  論文  参考訳（メタデータ） (2024-02-06T16:12:36Z)
• Masked Modeling for Self-supervised Representation Learning on Vision and Beyond [69.64364187449773]
  仮面モデリングは、トレーニング中に比例的にマスキングされる元のデータの一部を予測する、独特なアプローチとして現れてきた。 マスクモデリングにおけるテクニックの詳細については,多様なマスキング戦略,ターゲット回復,ネットワークアーキテクチャなどについて詳述する。 我々は、現在の手法の限界について議論し、マスクモデリング研究を進めるためのいくつかの道のりを指摘した。
  論文  参考訳（メタデータ） (2023-12-31T12:03:21Z)
• A Survey on Design Methodologies for Accelerating Deep Learning on Heterogeneous Architectures [9.982620766142345]
  効率的なハードウェアアクセラレーターの必要性は、ヘテロジニアスなHPCプラットフォームの設計にますます強くなっている。 ディープラーニングのためのアクセラレータを設計するために、いくつかの方法論とツールが提案されている。 この調査は、ディープラーニングアクセラレータを実装するために近年提案されている最も影響力のある設計方法論とEDAツールの総括的なレビューを提供する。
  論文  参考訳（メタデータ） (2023-11-29T17:10:16Z)
• Deep Learning in Deterministic Computational Mechanics [0.0]
  本稿では,計算力学の応用よりも深層学習に焦点をあてる。 主な聴衆は、この分野に参入しようとしている研究者や、計算力学の深層学習の概観を得ようとする研究者である。
  論文  参考訳（メタデータ） (2023-09-27T05:57:19Z)
• Approximate Computing Survey, Part II: Application-Specific & Architectural Approximation Techniques and Applications [14.450131342802631]
  近似コンピューティングは、エネルギー効率と/または性能を改善するために、システムの設計における結果の質を調整できる。 この急進的なパラダイムシフトは、学界と産業の両方から関心を集めている。 重要な側面(例えば、用語と応用)をカバーし、最先端の近似技術についてレビューする。
  論文  参考訳（メタデータ） (2023-07-20T15:54:33Z)
• Comprehensive evaluation of deep and graph learning on drug-drug interactions prediction [43.5957881547028]
  近年の人工知能(AI)や深層学習モデル、グラフ学習モデルは、生体医学的応用において有用性を確立している。 DDI(DDI)は、ある薬物が人体に別の薬物が存在することに対する効果の変化を指す。 高度なAIとディープラーニングを正しく適用するために、開発者とユーザは、データリソースの可用性やエンコーディングなど、さまざまな課題に直面する。
  論文  参考訳（メタデータ） (2023-06-08T14:54:50Z)
• Graph-based Molecular Representation Learning [59.06193431883431]
  分子表現学習(MRL)は、機械学習と化学科学を結びつけるための重要なステップである。 近年、MRLは、特に深層分子グラフ学習に基づく手法において、かなりの進歩を遂げている。
  論文  参考訳（メタデータ） (2022-07-08T17:43:20Z)
• Model-Based Deep Learning: On the Intersection of Deep Learning and Optimization [101.32332941117271]
  決定アルゴリズムは様々なアプリケーションで使われている。 数理モデルに頼らずにデータから調整された高度パラメトリックアーキテクチャを使用するディープラーニングアプローチが、ますます人気が高まっている。 モデルに基づく最適化とデータ中心のディープラーニングは、しばしば異なる規律とみなされる。
  論文  参考訳（メタデータ） (2022-05-05T13:40:08Z)
• Tensor Methods in Computer Vision and Deep Learning [120.3881619902096]
  テンソル(tensor)は、複数の次元の視覚データを自然に表現できるデータ構造である。 コンピュータビジョンにおけるディープラーニングパラダイムシフトの出現により、テンソルはさらに基本的なものになっている。 本稿では,表現学習と深層学習の文脈において,テンソルとテンソル法を深く,実践的に検討する。
  論文  参考訳（メタデータ） (2021-07-07T18:42:45Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。