Fugu-MT 論文翻訳(概要): Drug discovery with explainable artificial intelligence

論文の概要: Drug discovery with explainable artificial intelligence

arxiv url: http://arxiv.org/abs/2007.00523v2
Date: Thu, 2 Jul 2020 09:47:01 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 21:42:29.306184
Title: Drug discovery with explainable artificial intelligence
Title（参考訳）: 説明可能な人工知能を用いた薬物発見
Authors: Jos\'e Jim\'enez-Luna, Francesca Grisoni, Gisbert Schneider
Abstract要約: 分子科学の機械言語の新しい物語の必要性に対処する「説明可能な」深層学習手法が求められている。このレビューでは、説明可能な人工知能の最も顕著なアルゴリズム概念を要約し、将来の可能性、潜在的な応用、そして残る課題を予測している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Deep learning bears promise for drug discovery, including advanced image analysis, prediction of molecular structure and function, and automated generation of innovative chemical entities with bespoke properties. Despite the growing number of successful prospective applications, the underlying mathematical models often remain elusive to interpretation by the human mind. There is a demand for 'explainable' deep learning methods to address the need for a new narrative of the machine language of the molecular sciences. This review summarizes the most prominent algorithmic concepts of explainable artificial intelligence, and dares a forecast of the future opportunities, potential applications, and remaining challenges.
Abstract（参考訳）: 深層学習は、先進的な画像解析、分子構造と機能の予測、および、bespoke特性を持つ革新的な化学物質の自動生成を含む薬物発見を約束する。将来的な応用が増えているにもかかわらず、基礎となる数学的モデルはしばしば人間の心によって解釈される。分子科学の機械言語の新たな物語の必要性に対処するために、「説明可能な」深層学習法が求められている。このレビューは、説明可能な人工知能の最も顕著なアルゴリズム概念を要約し、将来の機会、潜在的な応用、そして残る課題を予測する。

関連論文リスト

Generative artificial intelligence for computational chemistry: a roadmap to predicting emergent phenomena [0.49478969093606673]
このパースペクティブは、生成AIと計算化学の両方における概念の構造化された概要を提供する。次に、オートエンコーダ、生成的敵ネットワーク、強化学習、フローモデル、言語モデルなど、広く使われているジェネレーティブAIメソッドをカバーする。重要な焦点は、これらの手法が真に予測される前に直面する課題、特に創発的な化学現象を予測することである。
論文参考訳（メタデータ） (2024-09-04T23:02:27Z)
A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文参考訳（メタデータ） (2023-10-14T23:28:48Z)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
Interactive Molecular Discovery with Natural Language [69.89287960545903]
対象分子を記述・編集するための自然言語を用いた対話型分子設計を提案する。この課題をより良くするために、実験プロパティ情報を注入することによって強化された知識的で汎用的な生成事前学習モデルChatMolを設計する。
論文参考訳（メタデータ） (2023-06-21T02:05:48Z)
Implicit Geometry and Interaction Embeddings Improve Few-Shot Molecular Property Prediction [53.06671763877109]
我々は, 複雑な分子特性を符号化した分子埋め込みを開発し, 数発の分子特性予測の性能を向上させる。我々の手法は大量の合成データ、すなわち分子ドッキング計算の結果を利用する。複数の分子特性予測ベンチマークでは、埋め込み空間からのトレーニングにより、マルチタスク、MAML、プロトタイプラーニング性能が大幅に向上する。
論文参考訳（メタデータ） (2023-02-04T01:32:40Z)
A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
論文参考訳（メタデータ） (2022-12-20T18:46:16Z)
A Molecular Multimodal Foundation Model Associating Molecule Graphs with Natural Language [63.60376252491507]
本稿では,分子グラフとその意味的関連テキストデータから事前学習した分子マルチモーダル基礎モデルを提案する。我々のモデルは、生物学、化学、材料、環境、医学などの分野において、AIを動力とする分野に幅広い影響を与えるだろうと考えています。
論文参考訳（メタデータ） (2022-09-12T00:56:57Z)
Complementary artificial intelligence designed to augment human discovery [2.7786142348700658]
我々は、認知能力と競合するのではなく、補完することで人間の理解を根本的に増強するために、有益なAIを再認識し、パイロットする。我々は、この手法を用いて、物質が貴重なエネルギー関連特性を持っているかどうかの貴重な予測を生成する。我々の予測は、人類の科学者や発明家によって特定されたとしても、今後数年ほどしか発見されていないことを実証しています。
論文参考訳（メタデータ） (2022-07-02T19:36:34Z)
MEG: Generating Molecular Counterfactual Explanations for Deep Graph Networks [11.291571222801027]
本稿では, 分子特性予測 t の文脈における深層グラフネットワークの説明可能性に取り組むための新しいアプローチを提案する。我々は, 構造的類似度が高く, 予測特性の異なる(有意)化合物の形で, 特定の予測に対する情報的反実的説明を生成する。モデルが非ML専門家に分子の近傍に焦点を絞った学習モデルに関する重要な洞察を伝達する方法を示す結果について議論する。
論文参考訳（メタデータ） (2021-04-16T12:17:19Z)
Scientific intuition inspired by machine learning generated hypotheses [2.294014185517203]
私たちは、機械学習モデル自体が得る洞察と知識に焦点を移します。決定木では, 化学や物理から, ビッグデータから人間の解釈可能な洞察を抽出するために, 勾配増進法を適用した。数値を超える能力は、機械学習を使って概念理解の発見を加速する扉を開く。
論文参考訳（メタデータ） (2020-10-27T12:12:12Z)
Generative chemistry: drug discovery with deep learning generative models [0.0]
本稿では, 創薬プロセスの迅速化に向け, 創薬モデルによる生成化学の最近の進歩を概観する。ニューラルネットワーク,変分オートエンコーダ,逆数オートエンコーダ,複合生成のための生成逆数ネットワークなど,最先端の生成アーキテクチャの利用に関する詳細な議論が注目されている。
論文参考訳（メタデータ） (2020-08-20T14:38:21Z)

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。