Fugu-MT 論文翻訳(概要): Machine Learning Approach to Polymerization Reaction Engineering: Determining Monomers Reactivity Ratios

論文の概要: Machine Learning Approach to Polymerization Reaction Engineering: Determining Monomers Reactivity Ratios

arxiv url: http://arxiv.org/abs/2301.01231v1
Date: Tue, 3 Jan 2023 17:23:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 15:32:12.106132
Title: Machine Learning Approach to Polymerization Reaction Engineering: Determining Monomers Reactivity Ratios
Title（参考訳）: 重合反応工学への機械学習アプローチ:モノマー反応性比の決定
Authors: Tung Nguyen and Mona Bavarian
Abstract要約: 我々は, モノマーの化学構造に基づいて, 反応性比を予測できるモデルを構築した。マルチタスク学習、マルチインプット、グラフアテンションネットワークを組み合わせてモデルを構築しました。
参考スコア（独自算出の注目度）: 3.4885807613813267
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Here, we demonstrate how machine learning enables the prediction of comonomers reactivity ratios based on the molecular structure of monomers. We combined multi-task learning, multi-inputs, and Graph Attention Network to build a model capable of predicting reactivity ratios based on the monomers chemical structures.
Abstract（参考訳）: 本稿では, 機械学習がモノマーの分子構造に基づいて, コモノマーの反応性比を予測する方法を示す。本研究では,マルチタスク学習,マルチインプット,グラフアテンションネットワークを組み合わせることで,モノマー化学構造に基づく反応性比を予測できるモデルを構築した。

関連論文リスト

Learning Chemical Reaction Representation with Reactant-Product Alignment [50.28123475356234]
本稿では,様々な有機反応関連タスクに適した新しい化学反応表現学習モデルであるモデルネームを紹介する。反応物質と生成物との原子対応を統合することにより、反応中に生じる分子変換を識別し、反応機構の理解を深める。反応条件を化学反応表現に組み込むアダプタ構造を設計し、様々な反応条件を処理し、様々なデータセットや下流タスク、例えば反応性能予測に適応できるようにした。
論文参考訳（メタデータ） (2024-11-26T17:41:44Z)
UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment [51.49238426241974]
本稿では,テンプレートのないグラフ・ツー・シーケンスパイプラインであるUAlignを紹介した。グラフニューラルネットワークとトランスフォーマーを組み合わせることで、分子固有のグラフ構造をより効果的に活用することができる。
論文参考訳（メタデータ） (2024-03-25T03:23:03Z)
Beyond Major Product Prediction: Reproducing Reaction Mechanisms with Machine Learning Models Trained on a Large-Scale Mechanistic Dataset [10.968137261042715]
有機反応の機械的理解は、反応の発生、不純物予測、そして原則として反応発見を促進する。いくつかの機械学習モデルは、反応生成物を予測するタスクに対処しようとしているが、反応機構を予測するための拡張は、対応する力学データセットの欠如によって妨げられている。実験によって報告された反応物質と生成物の中間体を専門家の反応テンプレートを用いて入力し、その結果の5,184,184個の基本ステップに基づいて機械学習モデルを訓練することにより、そのようなデータセットを構築する。
論文参考訳（メタデータ） (2024-03-07T15:26:23Z)
Molecule-Edit Templates for Efficient and Accurate Retrosynthesis Prediction [0.16070833439280313]
最小限のテンプレートを用いて反応を予測する機械学習モデルMETROを紹介する。標準ベンチマークで最先端の結果を得る。
論文参考訳（メタデータ） (2023-10-11T09:00:02Z)
Atomic and Subgraph-aware Bilateral Aggregation for Molecular Representation Learning [57.670845619155195]
我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。 ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
論文参考訳（メタデータ） (2023-05-22T00:56:00Z)
Automatically Predict Material Properties with Microscopic Image Example Polymer Compatibility [94.40113383292139]
機械学習を用いたコンピュータ画像認識は、人工判定の欠陥を補うことができる。畳み込みニューラルネットワークとトランスファーラーニング手法を用いて、自動誤認認識を実現する。提案手法は, 各種材料の微細構造と物性の定量的評価に広く応用できる。
論文参考訳（メタデータ） (2023-03-22T07:51:32Z)
Differentiable Programming of Chemical Reaction Networks [63.948465205530916]
化学反応ネットワークは、自然によって使用される最も基本的な計算基板の1つである。膜によって分離された複数のチャンバーを持つシステムと同様に、よく混合されたシングルチャンバーシステムについて検討した。我々は、微分可能な最適化と適切な正規化が相まって、非自明なスパース反応ネットワークを発見することを実証した。
論文参考訳（メタデータ） (2023-02-06T11:41:14Z)
A graph representation of molecular ensembles for polymer property prediction [3.032184156362992]
有機分子とは対照的に、ポリマーはよく定義された単一構造ではなく、類似した分子の集合体である。本稿では,分子アンサンブルのグラフ表現と,高分子特性予測に適したグラフニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-05-17T20:31:43Z)
A Machine Learning Method for Material Property Prediction: Example Polymer Compatibility [39.364776649251944]
材料特性予測のための新しい汎用機械学習手法を提案する。代表的な例として, 本手法の有効性を示すために, ポリマーの適合性を選択する。
論文参考訳（メタデータ） (2022-02-28T05:48:05Z)
A Method for Inferring Polymers Based on Linear Regression and Integer Programming [5.858758564913518]
高分子をモノマーとして表現する新しい方法を導入し、高分子の構造を特徴とする新しい記述子を定義する。計算実験の結果, 線形回帰で構築した予測関数がよく機能するポリマーの化学特性の集合が明らかとなった。
論文参考訳（メタデータ） (2021-08-24T04:58:37Z)
Learning Neural Generative Dynamics for Molecular Conformation Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文参考訳（メタデータ） (2021-02-20T03:17:58Z)

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。