論文の概要: Multiparameter Persistent Homology for Molecular Property Prediction

• arxiv url: http://arxiv.org/abs/2311.10808v1
• Date: Fri, 17 Nov 2023 17:57:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 14:27:29.123349
• Title: Multiparameter Persistent Homology for Molecular Property Prediction
• Title（参考訳）: 分子特性予測のための多パラメータ持続ホモロジー
• Authors: Andac Demir and Bulent Kiziltan
• Abstract要約: このアプローチは、分子幾何学における潜伏構造と関係を明らかにする。 我々は,リポフィリシティ,FreeSolv,ESOLデータセットについて広範な実験を行い,その分子特性予測の有効性を実証した。
• 参考スコア（独自算出の注目度）: 1.8130068086063336
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this study, we present a novel molecular fingerprint generation method based on multiparameter persistent homology. This approach reveals the latent structures and relationships within molecular geometry, and detects topological features that exhibit persistence across multiple scales along multiple parameters, such as atomic mass, partial charge, and bond type, and can be further enhanced by incorporating additional parameters like ionization energy, electron affinity, chirality and orbital hybridization. The proposed fingerprinting method provides fresh perspectives on molecular structure that are not easily discernible from single-parameter or single-scale analysis. Besides, in comparison with traditional graph neural networks, multiparameter persistent homology has the advantage of providing a more comprehensive and interpretable characterization of the topology of the molecular data. We have established theoretical stability guarantees for multiparameter persistent homology, and have conducted extensive experiments on the Lipophilicity, FreeSolv, and ESOL datasets to demonstrate its effectiveness in predicting molecular properties.
• Abstract（参考訳）: 本研究では,多パラメータ持続的ホモロジーに基づく新しい分子指紋生成法を提案する。 このアプローチは分子幾何学における潜伏構造と関係を明らかにし、原子質量、部分電荷、結合タイプなどの複数のパラメータに沿って複数のスケールで持続性を示す位相的特徴を検出し、電離エネルギー、電子親和性、キラリティ、軌道ハイブリッド化などの追加パラメータを組み込むことでさらに拡張することができる。 提案手法は, 単一パラメータや単一スケール解析から容易に識別できない分子構造について, 新たな視点を提供する。 さらに、従来のグラフニューラルネットワークと比較して、マルチパラメータ永続ホモロジーは、分子データのトポロジのより包括的で解釈可能な特徴を提供するという利点がある。 我々は,多パラメータ持続ホモロジーの理論的安定性保証を確立し,その分子特性予測の有効性を示すために,リポフィリシティ,フリーソルブ,ESOLデータセットに関する広範な実験を行った。

関連論文リスト

• Field-based Molecule Generation [50.124402120798365]
  本稿では,本手法の柔軟性が,一般的なポイントクラウド方式よりも重要な利点をもたらすことを示す。 我々は、薬物の安全性と有効性に欠落した分子特性である光学異性体(エナンチオマー)に取り組む。
  論文  参考訳（メタデータ） (2024-02-24T17:13:58Z)
• Graph Multi-Similarity Learning for Molecular Property Prediction [13.214794693837785]
  本稿では,Graph Multi-Similarity Learning for Molecular Property Prediction (GraphMSL)フレームワークを紹介する。 まず、まず自己相似性計量(すなわち、アンカー分子と他の分子との類似性)を定義し、次にペア重み付け関数を通してアンカーの一般化多相性計量に変換する。 GraphMSLは、MoneculeNetデータセット間の多重相似性測定の有効性を検証する。
  論文  参考訳（メタデータ） (2024-01-31T05:59:38Z)
• SE(3)-Invariant Multiparameter Persistent Homology for Chiral-Sensitive Molecular Property Prediction [1.534667887016089]
  多パラメータ持続ホモロジー(MPPH)を用いた新しい分子指紋生成法を提案する。 この技術は、正確な分子特性予測が不可欠である薬物発見と材料科学において、かなりの重要性を持っている。 分子特性の予測における既存の最先端手法よりも優れた性能を示し,MoleculeNetベンチマークで広範囲な評価を行った。
  論文  参考訳（メタデータ） (2023-12-12T09:33:54Z)
• Molecule Design by Latent Space Energy-Based Modeling and Gradual Distribution Shifting [53.44684898432997]
  化学的・生物学的性質が望ましい分子の生成は、薬物発見にとって重要である。 本稿では,分子の結合分布とその特性を捉える確率的生成モデルを提案する。 本手法は種々の分子設計タスクにおいて非常に強力な性能を発揮する。
  論文  参考訳（メタデータ） (2023-06-09T03:04:21Z)
• Towards Predicting Equilibrium Distributions for Molecular Systems with Deep Learning [60.02391969049972]
  本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。 DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
  論文  参考訳（メタデータ） (2023-06-08T17:12:08Z)
• 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)
• Implicit Geometry and Interaction Embeddings Improve Few-Shot Molecular Property Prediction [53.06671763877109]
  我々は, 複雑な分子特性を符号化した分子埋め込みを開発し, 数発の分子特性予測の性能を向上させる。 我々の手法は大量の合成データ、すなわち分子ドッキング計算の結果を利用する。 複数の分子特性予測ベンチマークでは、埋め込み空間からのトレーニングにより、マルチタスク、MAML、プロトタイプラーニング性能が大幅に向上する。
  論文  参考訳（メタデータ） (2023-02-04T01:32:40Z)
• Wigner molecules and hybrid qubits [0.0]
  光学的多体ハミルトンの正確な対角化は、体系的な完全な構成-相互作用計算によってスペクトルを予測することができることを示す。 我々は最近の実験結果と顕著な一致を報告した。 現在のマルチウェル量子ドットのFCI法は、Si/SiGeハイブリッド量子ビットを扱うために容易に拡張できる。
  論文  参考訳（メタデータ） (2022-05-11T16:43:11Z)
• Flexible dual-branched message passing neural network for quantum mechanical property prediction with molecular conformation [16.08677447593939]
  メッセージパッシングフレームワークに基づく分子特性予測のための二重分岐ニューラルネットワークを提案する。 本モデルでは,様々なスケールで異種分子の特徴を学習し,予測対象に応じて柔軟に学習する。
  論文  参考訳（メタデータ） (2021-06-14T10:00:39Z)
• Augmenting Molecular Deep Generative Models with Topological Data Analysis Representations [21.237758981760784]
  分子のトポロジカルデータ解析(TDA)表現を付加したSMILES変分自動エンコーダ(VAE)を提案する。 実験の結果, このTDA拡張により, SMILES VAEは3次元幾何学と電子特性の複雑な関係を捉えることができることがわかった。
  論文  参考訳（メタデータ） (2021-06-08T15:49:21Z)
• 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。

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。