論文の概要: A Unified View of Deep Learning for Reaction and Retrosynthesis Prediction: Current Status and Future Challenges

• arxiv url: http://arxiv.org/abs/2306.15890v1
• Date: Wed, 28 Jun 2023 03:15:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 16:06:30.280010
• Title: A Unified View of Deep Learning for Reaction and Retrosynthesis Prediction: Current Status and Future Challenges
• Title（参考訳）: 反応・再合成予測のための深層学習の統一的展望:現状と今後の課題
• Authors: Ziqiao Meng, Peilin Zhao, Yang Yu, Irwin King
• Abstract要約: 反応と再合成予測は計算化学の基本的な課題である。 これらの問題に対処するために、様々なディープラーニングアプローチが提案されている。 本報告は,反応の統一的理解と再合成予測を目的とした,初めての総合的かつ体系的な調査である。
• 参考スコア（独自算出の注目度）: 59.41636061300571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reaction and retrosynthesis prediction are fundamental tasks in computational chemistry that have recently garnered attention from both the machine learning and drug discovery communities. Various deep learning approaches have been proposed to tackle these problems, and some have achieved initial success. In this survey, we conduct a comprehensive investigation of advanced deep learning-based models for reaction and retrosynthesis prediction. We summarize the design mechanisms, strengths, and weaknesses of state-of-the-art approaches. Then, we discuss the limitations of current solutions and open challenges in the problem itself. Finally, we present promising directions to facilitate future research. To our knowledge, this paper is the first comprehensive and systematic survey that seeks to provide a unified understanding of reaction and retrosynthesis prediction.
• Abstract（参考訳）: 反応と再合成予測は、最近機械学習と薬物発見コミュニティから注目を集めている計算化学の基本的なタスクである。 これらの問題に取り組むために、さまざまなディープラーニングアプローチが提案されている。 本研究では,反応・再合成予測のための高度なディープラーニングモデルに関する包括的調査を行う。 我々は最先端アプローチの設計機構,強み,弱みを要約する。 次に、現在のソリューションの限界と、問題自体のオープンな課題について論じる。 最後に,今後の研究を促進するための有望な方向性を示す。 本研究は,反応の統一的理解と再合成予測を目的とした,初めての総合的かつ体系的な調査である。

関連論文リスト

• A Self-feedback Knowledge Elicitation Approach for Chemical Reaction Predictions [24.80165173525286]
  本稿では,データ処理による自己フィードバック型知識抽出手法を提案する。 我々は、事前知識を大規模言語モデルに注入するために適応的な即時学習を採用する。 この研究は、科学研究における知識の活用のための新しいパラダイムを提供する。
  論文  参考訳（メタデータ） (2024-04-15T09:26:33Z)
• 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)
• AI for Interpretable Chemistry: Predicting Radical Mechanistic Pathways via Contrastive Learning [45.379791270351184]
  RMechRPは、新しいディープラーニングベースの反応予測システムである。 我々は、ラジカル反応の公開データベースであるRMechDBを用いてモデルを開発し、訓練する。 本研究は,RMechRPが正確かつ解釈可能な予測に有効であることを示す。
  論文  参考訳（メタデータ） (2023-11-02T09:47:27Z)
• A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
  関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。 ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。 この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
  論文  参考訳（メタデータ） (2023-06-03T08:39:25Z)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [65.56849255423866]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)
• Deep Learning Methods for Small Molecule Drug Discovery: A Survey [6.61864409597243]
  薬物発見における深層学習の様々な応用を概観する。 これには、分子生成、分子特性予測、レトロ合成予測、反応予測が含まれる。 創薬の課題を特定し,創薬における深層学習手法の今後の動向について論じる。
  論文  参考訳（メタデータ） (2023-03-01T08:16:38Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Self-Improved Retrosynthetic Planning [66.5397931294144]
  再合成計画(Retrosynthetic Planning)は、標的分子を合成する反応の経路を見つけるための化学の基本的な問題である。 最近の検索アルゴリズムは、ディープニューラルネットワーク(DNN)を用いてこの問題を解決するための有望な結果を示している。 そこで本研究では,DNNを直接訓練し,望ましい特性を持つ反応経路を生成するためのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-09T08:03:57Z)
• Randomization-based Machine Learning in Renewable Energy Prediction Problems: Critical Literature Review, New Results and Perspectives [6.771141943827748]
  ランダム化に基づく機械学習手法の最も重要な特徴と再生可能エネルギー予測問題への応用について概説する。 太陽、風力、水力エネルギーに関する現実世界の問題を含む広範な実験研究により、当社のクリティカル分析をサポートします。
  論文  参考訳（メタデータ） (2021-03-26T17:38:46Z)
• RetroXpert: Decompose Retrosynthesis Prediction like a Chemist [60.463900712314754]
  そこで我々は, テンプレートフリーな自動逆合成拡張アルゴリズムを考案した。 我々の方法はレトロシンセシスを2段階に分解する。 最先端のベースラインよりも優れている一方で、我々のモデルは化学的に合理的な解釈も提供する。
  論文  参考訳（メタデータ） (2020-11-04T04:35:34Z)

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。