Fugu-MT 論文翻訳(概要): NMR shift prediction from small data quantities

論文の概要: NMR shift prediction from small data quantities

arxiv url: http://arxiv.org/abs/2304.03361v1
Date: Thu, 6 Apr 2023 20:33:20 GMT
ステータス: 処理完了
システム内更新日: 2023-04-10 13:48:14.270926
Title: NMR shift prediction from small data quantities
Title（参考訳）: 小データ量からのNMRシフト予測
Authors: Herman Rull, Markus Fischer, Stefan Kuhn
Abstract要約: 比較的少ないデータで良好な結果が得られる新しい機械学習モデルを示す。特定の溶媒中における小分子の19Fおよび13C NMR化学シフトを予測することによってこれを予測した。
参考スコア（独自算出の注目度）: 0.6445605125467573
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Prediction of chemical shift in NMR using machine learning methods is typically done with the maximum amount of data available to achieve the best results. In some cases, such large amounts of data are not available, e.g. for heteronuclei. We demonstrate a novel machine learning model which is able to achieve good results with comparatively low amounts of data. We show this by predicting 19F and 13C NMR chemical shifts of small molecules in specific solvents.
Abstract（参考訳）: 機械学習手法によるNMRの化学シフトの予測は、通常、最良の結果を得るために利用可能な最大データ量で行われる。場合によっては、ヘテロ核のような大量のデータが利用できない場合もある。比較的少ないデータ量で良好な結果が得られる新しい機械学習モデルを示す。我々は、特定の溶媒中の小さな分子の19fおよび13cのnmr化学シフトを予測してこれを示す。

関連論文リスト

Transfer Learning for Molecular Property Predictions from Small Data Sets [0.0]
2つの小さなデータセット上での分子特性の予測のために、一般的な機械学習モデルをベンチマークする。本稿では,大規模なデータセットを用いて各モデルを事前学習し,元のデータセットを微調整した上で,より正確なモデルを得ることができる転送学習戦略を提案する。
論文参考訳（メタデータ） (2024-04-20T14:25:34Z)
AI-enabled prediction of NMR spectroscopy: Deducing 2-D NMR of carbohydrate [7.470166291890153]
高度な機械学習と予測アルゴリズムを駆使したAI駆動NMR予測は、NMRスペクトルの解釈を根本的に変えた。本手法は, 単糖由来の小分子, オリゴ糖, および多糖類の両方に有効である。 2次元NMRの生成に関わる複雑な性質を考えると、我々の目標は、NMRスペクトル分析の精度、効率、理解性を高めるために、AIの可能性を完全に活用することである。
論文参考訳（メタデータ） (2024-03-17T21:52:51Z)
Retrosynthesis prediction enhanced by in-silico reaction data augmentation [66.5643280109899]
RetroWISEは,実データから推定されるベースモデルを用いて,シリコン内反応の生成と増大を行うフレームワークである。 3つのベンチマークデータセットで、RetroWISEは最先端モデルに対して最高の全体的なパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-01-31T07:40:37Z)
GlycoNMR: Dataset and benchmarks for NMR chemical shift prediction of carbohydrates with graph neural networks [3.5248694676821484]
分子表現学習(MRL)は、機械学習と化学科学のギャップを埋めるための強力なツールである。 MRLはタンパク質と一般的な生体分子のデータセットで大きな成功を収めた。グリコNMRには、2,609の炭水化物構造と211,543のアノテート核磁気共鳴(NMR)化学シフトがある。
論文参考訳（メタデータ） (2023-11-28T18:51:19Z)
Optimal Sensing Protocol for Statistically Polarized Nano-NMR with NV Centers [4.866254682673853]
位相感度プロトコルは、ほとんどの実験シナリオにおいて優れていることを示す。現在までに最も正確な統計偏光ナノNMRQdyne検出実験を行っている。
論文参考訳（メタデータ） (2023-05-24T08:32:28Z)
Graph Neural Networks for Temperature-Dependent Activity Coefficient Prediction of Solutes in Ionic Liquids [58.720142291102135]
IL中の溶質の温度依存性無限希釈交流を予測するためのGNNを提案する。我々は、GNNを4万以上のAC値を含むデータベース上でトレーニングし、最先端のMCMと比較する。 GNNとMCMも同様に高い予測性能を達成し、GNNはトレーニング中に考慮されていないILと溶質を含む溶液のACに対して高品質な予測を可能にする。
論文参考訳（メタデータ） (2022-06-23T15:27:29Z)
Size doesn't matter: predicting physico- or biochemical properties based on dozens of molecules [0.0]
本論文は,データ不足を伴う対象特性のモデルの性能を著しく改善したことを示す。また,データセット構成がモデル品質および結果モデルの適用性領域に及ぼす影響についても検討した。
論文参考訳（メタデータ） (2021-07-22T18:57:24Z)
Contrastive Model Inversion for Data-Free Knowledge Distillation [60.08025054715192]
そこで、データ多様性を最適化可能な目的として明示的にモデル化するContrastive Model Inversionを提案します。我々の主な観察では、同じ量のデータの制約の下では、高いデータの多様性は、通常より強いインスタンス識別を示す。 CIFAR-10, CIFAR-100, Tiny-ImageNetを用いた実験により, 生成したデータを知識蒸留に使用する場合, CMIは極めて優れた性能を示すことが示された。
論文参考訳（メタデータ） (2021-05-18T15:13:00Z)
Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
論文参考訳（メタデータ） (2021-02-02T09:34:34Z)
A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文参考訳（メタデータ） (2020-04-30T20:42:17Z)
Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
論文参考訳（メタデータ） (2020-02-26T06:10:12Z)

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。