論文の概要: Bioplastic Design using Multitask Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2203.12033v1
• Date: Tue, 22 Mar 2022 20:49:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 16:26:53.710510
• Title: Bioplastic Design using Multitask Deep Neural Networks
• Title（参考訳）: マルチタスク深層ニューラルネットワークを用いたバイオプラスチック設計
• Authors: Christopher Kuenneth, Jessica Lalonde, Babetta L. Marrone, Carl N. Iverson, Rampi Ramprasad, Ghanshyam Pilania
• Abstract要約: 生合成・生分解可能な代替品は、世界のプラスチック供給の大部分をクレードルからクレードルに置き換える可能性がある。 本研究では、利用可能な実験データを用いたマルチタスクディープニューラルネットワーク特性予測器を開発する。 PHAをベースとした14種のバイオプラスチックを、約140万の候補の探索空間から同定し、石油をベースとした7種類のプラスチックを代替する可能性がある。
• 参考スコア（独自算出の注目度）: 2.675028704372431
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-degradable plastic waste stays for decades on land and in water, jeopardizing our environment; yet our modern lifestyle and current technologies are impossible to sustain without plastics. Bio-synthesized and biodegradable alternatives such as the polymer family of polyhydroxyalkanoates (PHAs) have the potential to replace large portions of the world's plastic supply with cradle-to-cradle materials, but their chemical complexity and diversity limit traditional resource-intensive experimentation. In this work, we develop multitask deep neural network property predictors using available experimental data for a diverse set of nearly 23000 homo- and copolymer chemistries. Using the predictors, we identify 14 PHA-based bioplastics from a search space of almost 1.4 million candidates which could serve as potential replacements for seven petroleum-based commodity plastics that account for 75% of the world's yearly plastic production. We discuss possible synthesis routes for these identified promising materials. The developed multitask polymer property predictors are made available as a part of the Polymer Genome project at https://PolymerGenome.org.
• Abstract（参考訳）: 分解性のないプラスチック廃棄物は、何十年も陸地や水中に留まり、環境を危うくしています。 ポリヒドロキシアルカノエート(PHA)のポリマーファミリーのような生合成および生分解性代替物質は、世界のプラスチック供給の大部分をクレードル・トゥ・クレードル材料に置き換える可能性があるが、その化学的複雑さと多様性は伝統的な資源集約的な実験を制限する。 本研究では,23,000近いホモポリマーおよび共重合体の多種集合に対する実験データを用いたマルチタスクディープニューラルネットワーク特性予測器を開発した。 予測器を用いて、約14万の候補から14個のPHA系バイオプラスチックを抽出し、世界の年間プラスチック生産量の75%を占める7つの石油系プラスチックの代替となる可能性がある。 本研究は,これら特定された有望材料に対する合成経路について論じる。 開発したマルチタスクポリマー特性予測器は、PolymerGenome.orgのPolymer Genomeプロジェクトの一部として利用可能である。

関連論文リスト

• Morphological Detection and Classification of Microplastics and Nanoplastics Emerged from Consumer Products by Deep Learning [1.21387493410444]
  プラスチック汚染は世界的な問題となり、健康や環境システムに影響を及ぼす。 これらの汚染物質を研究する伝統的な方法は、労働集約的で時間を要する。 本稿では,マイクロ・ナノプラスチックの自動検出と分類を目的とした,新しいオープンソースデータセットであるMiNaとマイクロ・ナノプラスチックについて紹介する。
  論文  参考訳（メタデータ） (2024-09-20T17:56:25Z)
• BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
  BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。 我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。 この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
  論文  参考訳（メタデータ） (2024-08-19T05:17:40Z)
• BioMedLM: A 2.7B Parameter Language Model Trained On Biomedical Text [82.7001841679981]
  BioMedLM は270億のパラメータ GPT スタイルの自己回帰モデルであり、PubMed の抽象概念と全記事に特化して訓練されている。 微調整すると、BioMedLMはより大規模なモデルと競合する強力な多重選択のバイオメディカルな質問応答結果を生成することができる。 BioMedLMは、医療トピックに関する患者の質問に対する有用な回答を生成するために、微調整することもできる。
  論文  参考訳（メタデータ） (2024-03-27T10:18:21Z)
• Leveraging Biomolecule and Natural Language through Multi-Modal Learning: A Survey [75.47055414002571]
  生物分子モデリングと自然言語(BL)の統合は、人工知能、化学、生物学の交差点において有望な学際領域として現れてきた。 生体分子と自然言語の相互モデリングによって達成された最近の進歩について分析する。
  論文  参考訳（メタデータ） (2024-03-03T14:59:47Z)
• BioT5+: Towards Generalized Biological Understanding with IUPAC Integration and Multi-task Tuning [77.90250740041411]
  本稿では,BioT5フレームワークの拡張であるBioT5+を紹介する。 BioT5+ には、分子理解のための IUPAC 名の統合、bioRxiv や PubChem などのソースからの広範なバイオテキストと分子データの統合、タスク間の汎用性のためのマルチタスク命令チューニング、数値データの処理を改善する数値トークン化技術など、いくつかの新機能が含まれている。
  論文  参考訳（メタデータ） (2024-02-27T12:43:09Z)
• BiomedCLIP: a multimodal biomedical foundation model pretrained from fifteen million scientific image-text pairs [48.376109878173956]
  PMC-15Mは,既存のバイオメディカル・マルチモーダル・データセットよりも2桁大きい新しいデータセットである。 PMC-15Mは440万の科学論文から収集された1500万のバイオメディカル画像テキスト対を含んでいる。 PMC-15Mに基づいて,生物医学的視覚言語処理に適したドメイン固有適応を備えた多モーダル基礎モデルであるBiomedCLIPを事前訓練した。
  論文  参考訳（メタデータ） (2023-03-02T02:20:04Z)
• polyBERT: A chemical language model to enable fully machine-driven ultrafast polymer informatics [0.0]
  エンド・ツー・エンドの機械駆動型ポリマーインフォマティクスパイプラインを提案する。 このパイプラインは、polyBERTと呼ばれるポリマー化学フィンガープリント機能を含んでいる。 また,polyBERTの指紋を複数のプロパティにマッピングするマルチタスク学習手法を提案する。
  論文  参考訳（メタデータ） (2022-09-29T14:09:54Z)
• Developing an NLP-based Recommender System for the Ethical, Legal, and Social Implications of Synthetic Biology [0.0]
  合成生物学は、食品の安全、健康、環境保護などの目的のために生物を工学的に再設計することを含む。 研究者や政策立案者には倫理的、法的、社会的な意味合い(ELSI)が多数ある。 社会科学者や倫理学者を合成生物学プロジェクトへ組み込む様々な努力が試みられている。 このテキストは異なるアプローチを提案し、自然言語処理(NLP)に基づいた優れたレコメンデーターモデルを開発し、合成生物学者と特定の研究のELSIに関する情報を結びつけることは可能か?
  論文  参考訳（メタデータ） (2022-07-10T20:18:53Z)
• Machine Learning of polymer types from the spectral signature of Raman spectroscopy microplastics data [3.441021278275805]
  環境風化因子によって劣化したマイクロプラスチックは、風化過程に曝されていないマイクロプラスチックのサンプルよりも分析的確実性が少ない可能性がある。 機械学習ツールと技術は、マイクロプラスチック分析における確実性のための研究ツールのキャリブレーションを向上します。
  論文  参考訳（メタデータ） (2022-01-14T13:34:03Z)
• Classification of PS and ABS Black Plastics for WEEE Recycling Applications [63.942632088208505]
  本研究の目的は,ポリスチレン (PS) 型とアクリロニトリルブタジエン (ABS) 型の黒色プラスチックを用いて,異なる種類のプラスチックを分類できるシステムを作ることである。 畳み込みニューラルネットワークのテストと再訓練が行われ、95%の精度が得られた。 別個のテストセットを使用して平均精度は86.6%まで低下するが、結果を見てみるとABS型が100%正確に分類されていることが分かるため、すべてのエラーを蓄積するPS型である。
  論文  参考訳（メタデータ） (2021-10-20T12:47:18Z)
• Polymer Informatics: Current Status and Critical Next Steps [1.3238373064156097]
  サロゲートモデルは、インスタントプロパティ予測のために利用可能なポリマーデータに基づいて訓練される。 データ駆動型戦略は, 高分子の化学的, 物理的多様性から生じる特異な課題に, 小規模かつ大規模に対処するものである。 アプリケーションターゲットを満たす高度なAIアルゴリズムを用いて, 高分子レコメンデーションを行う逆問題の解法について検討している。
  論文  参考訳（メタデータ） (2020-11-01T14:17:22Z)

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。