論文の概要: Sample-Efficient Generation of Novel Photo-acid Generator Molecules using a Deep Generative Model

• arxiv url: http://arxiv.org/abs/2112.01625v1
• Date: Thu, 2 Dec 2021 22:18:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 16:26:00.170146
• Title: Sample-Efficient Generation of Novel Photo-acid Generator Molecules using a Deep Generative Model
• Title（参考訳）: 深層生成モデルを用いた新規光酸発生分子のサンプル効率生成
• Authors: Samuel C. Hoffman, Vijil Chenthamarakshan, Dmitry Yu. Zubarev, Daniel P. Sanders, Payel Das
• Abstract要約: 光酸生成物(英: Photo-Acid generators, PAGs)は、光に曝されると酸(H+$イオン)を放出する化合物である。 本稿では,事前学習したディープ・オートエンコーダとエキスパート・イン・ザ・ループ技術から条件生成を利用する生成モデルを提案する。
• 参考スコア（独自算出の注目度）: 11.45815965583283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photo-acid generators (PAGs) are compounds that release acids ($H^+$ ions) when exposed to light. These compounds are critical components of the photolithography processes that are used in the manufacture of semiconductor logic and memory chips. The exponential increase in the demand for semiconductors has highlighted the need for discovering novel photo-acid generators. While de novo molecule design using deep generative models has been widely employed for drug discovery and material design, its application to the creation of novel photo-acid generators poses several unique challenges, such as lack of property labels. In this paper, we highlight these challenges and propose a generative modeling approach that utilizes conditional generation from a pre-trained deep autoencoder and expert-in-the-loop techniques. The validity of the proposed approach was evaluated with the help of subject matter experts, indicating the promise of such an approach for applications beyond the creation of novel photo-acid generators.
• Abstract（参考訳）: 光酸発生器(photo-acid generators、pags)は、光に曝されると酸(h^+$ ions)を放出する化合物である。 これらの化合物は、半導体論理やメモリチップの製造に使用されるフォトリソグラフィプロセスの重要な構成要素である。 半導体需要の指数関数的な増加は、新しい光酸発生器の発見の必要性を強調している。 深層生成モデルを用いたデノボ分子設計は、医薬品の発見と材料設計に広く用いられているが、新規な光酸発生器の開発への応用は、プロパティラベルの欠如など、いくつかのユニークな課題を生んでいる。 本稿では,これらの課題に注目し,事前学習したdeep autoencoderとexpert-in-the-loopによる条件付き生成を利用した生成的モデリング手法を提案する。 提案手法の有効性を対象物質の専門家の助けを借りて評価し, 新規な光酸発生器の開発以上の応用へのアプローチの可能性を示唆した。

関連論文リスト

• Optical Generative Models [18.41925837760181]
  デジタル生成モデルが大きくなるにつれて、高速でエネルギー効率の良い方法でスケーラブルな推論が課題となる。 拡散モデルにインスパイアされた光生成モデルを示し、浅層・高速デジタルエンコーダがまずランダムノイズを位相パターンにマッピングする。 共同で訓練された自由空間ベースの再構成可能なデコーダは、これら生成した種子を全て光学的に処理して、新しい画像を生成する。
  論文  参考訳（メタデータ） (2024-10-23T15:36:08Z)
• How to Trace Latent Generative Model Generated Images without Artificial Watermark? [88.04880564539836]
  潜在生成モデルによって生成された画像に関する潜在的な誤用に関する懸念が持ち上がっている。 検査されたモデルの生成された画像をトレースするために,レイトタントトラッカーと呼ばれる潜時反転に基づく手法を提案する。 提案手法は,検査したモデルと他の画像から生成された画像とを高精度かつ効率的に識別できることを示す。
  論文  参考訳（メタデータ） (2024-05-22T05:33:47Z)
• Steered Diffusion: A Generalized Framework for Plug-and-Play Conditional Image Synthesis [62.07413805483241]
  Steered Diffusionは、無条件生成のために訓練された拡散モデルを用いたゼロショット条件画像生成のためのフレームワークである。 塗装,着色,テキスト誘導セマンティック編集,画像超解像などのタスクに対して,ステアリング拡散を用いた実験を行った。
  論文  参考訳（メタデータ） (2023-09-30T02:03:22Z)
• Alteration-free and Model-agnostic Origin Attribution of Generated Images [28.34437698362946]
  画像生成モデルの誤用が懸念されている。 特定の画像が特定のモデルによって生成されたかどうかを推測することにより、画像の起源を分析する必要がある。
  論文  参考訳（メタデータ） (2023-05-29T01:35:37Z)
• Retrieval-based Controllable Molecule Generation [63.44583084888342]
  制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。 我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。 提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
  論文  参考訳（メタデータ） (2022-08-23T17:01:16Z)
• Towards creativity characterization of generative models via group-based subset scanning [51.84144826134919]
  創造的プロセスを定量化し,検出し,特徴付けるグループベースサブセットスキャンを提案する。 創造的なサンプルは、データセットをまたいだ通常または非創造的なサンプルよりも大きな異常のサブセットを生成する。
  論文  参考訳（メタデータ） (2021-04-01T14:07:49Z)
• Improved Image Generation via Sparse Modeling [27.66648389933265]
  生成器は、Convolutional Sparse Coding (CSC) とそのMulti-Layeredバージョン (ML-CSC) 合成プロセスの発現として見ることができる。 この観測は、発電機内の適切な選択された活性化層にスパーシファイング正規化を明示的に強制することによって活用する。
  論文  参考訳（メタデータ） (2021-04-01T13:52:40Z)
• Scaffold-constrained molecular generation [0.0]
  SMILESをベースとしたリカレントニューラルネットワーク(Recurrent Neural Network, RNN)生成モデルを構築し, 足場制約付き生成を実現するため, サンプリング手法を改良した。 本稿では,様々なタスクにおいて足場制約付き生成を行う手法について紹介する。
  論文  参考訳（メタデータ） (2020-09-15T15:41:18Z)
• Conditional Constrained Graph Variational Autoencoders for Molecule Design [70.59828655929194]
  本稿では、このキーイデアを最先端のモデルで実装した、条件制約付きグラフ変分オートエンコーダ(CCGVAE)を提案する。 分子生成のために広く採用されている2つのデータセットについて、いくつかの評価指標について改善した結果を示す。
  論文  参考訳（メタデータ） (2020-09-01T21:58:07Z)
• 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)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)

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。