論文の概要: EquiReact: An equivariant neural network for chemical reactions
- arxiv url: http://arxiv.org/abs/2312.08307v1
- Date: Wed, 13 Dec 2023 17:26:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 14:36:43.207767
- Title: EquiReact: An equivariant neural network for chemical reactions
- Title(参考訳): EquiReact: 化学反応のための同種のニューラルネットワーク
- Authors: Puck van Gerwen, Ksenia R. Briling, Charlotte Bunne, Vignesh Ram
Somnath, Ruben Laplaza, Andreas Krause, Clemence Corminboeuf
- Abstract要約: 化学反応の特性を推論する同変ニューラルネットワークであるEquiReactを紹介する。
GDB7-22-TS, Cyclo-23-TS, Proparg-21-TSデータセット上でのアクティベーションバリアの予測における競合性能を示す。
- 参考スコア(独自算出の注目度): 37.1544909141536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Equivariant neural networks have considerably improved the accuracy and
data-efficiency of predictions of molecular properties. Building on this
success, we introduce EquiReact, an equivariant neural network to infer
properties of chemical reactions, built from three-dimensional structures of
reactants and products. We illustrate its competitive performance on the
prediction of activation barriers on the GDB7-22-TS, Cyclo-23-TS and
Proparg-21-TS datasets with different regimes according to the inclusion of
atom-mapping information. We show that, compared to state-of-the-art models for
reaction property prediction, EquiReact offers: (i) a flexible model with
reduced sensitivity between atom-mapping regimes, (ii) better extrapolation
capabilities to unseen chemistries, (iii) impressive prediction errors for
datasets exhibiting subtle variations in three-dimensional geometries of
reactants/products, (iv) reduced sensitivity to geometry quality and (iv)
excellent data efficiency.
- Abstract(参考訳): 等価ニューラルネットワークは、分子特性の予測の精度とデータ効率を大幅に改善した。
この成功を踏まえ,反応物と生成物の3次元構造から構築した化学反応の性質を推定する等変ニューラルネットワークであるequireactを導入した。
本稿では,GDB7-22-TS,Cyclo-23-TS,Proparg-21-TSのアクティベーションバリアの予測における競合性能について述べる。
反応特性予測のための最先端モデルと比較すると、equireactは次のように示す。
(i)原子マッピングの感度を低下させたフレキシブルモデル。
(II)見当たらない化学薬品の補間能力の向上。
(iii)反応物/生成物の3次元幾何学における微妙な変動を示すデータセットの印象的な予測誤差
(四)幾何学的品質及び感度の低下
(iv)優れたデータ効率。
関連論文リスト
- Protein binding affinity prediction under multiple substitutions applying eGNNs on Residue and Atomic graphs combined with Language model information: eGRAL [1.840390797252648]
ディープラーニングは、シリコン内予測と生体内観測のギャップを埋めることのできる強力なツールとして、ますます認識されている。
タンパク質複合体中のアミノ酸置換物からの結合親和性変化を予測するための新しいグラフニューラルネットワークアーキテクチャであるeGRALを提案する。
eGralは、タンパク質の大規模言語モデルから抽出された特徴のおかげで、残基、原子スケール、進化スケールを利用する。
論文 参考訳(メタデータ) (2024-05-03T10:33:19Z) - 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) - Towards out-of-distribution generalizable predictions of chemical
kinetics properties [61.15970601264632]
Out-Of-Distribution (OOD) の運動特性予測は一般化可能である必要がある。
本稿では,OODの運動特性予測を3つのレベル(構造,条件,機構)に分類する。
我々は、OOD設定における反応予測のための最先端MLアプローチと、速度論的特性予測問題における最先端グラフOOD手法をベンチマークするために、包括的なデータセットを作成する。
論文 参考訳(メタデータ) (2023-10-04T20:36:41Z) - Accurate transition state generation with an object-aware equivariant
elementary reaction diffusion model [9.878043289026731]
遷移状態 (TS) 探索は反応機構の解明と反応ネットワークの探索に重要である。
そこで本研究では, 基本反応における構造の集合を生成するためのすべての物理対称性と制約を満たす, オブジェクト対応SE(3)同変拡散モデルを開発する。
反応物と生成物が与えられたこのモデルは、量子化学に基づく最適化を行うのに必要な時間ではなく、数秒でTS構造を生成する。
論文 参考訳(メタデータ) (2023-04-12T22:21:36Z) - Deep learning for full-field ultrasonic characterization [7.120879473925905]
本研究では、最近の機械学習の進歩を活用して、物理に基づくデータ分析プラットフォームを構築する。
直接反転と物理インフォームドニューラルネットワーク(PINN)の2つの論理について検討した。
論文 参考訳(メタデータ) (2023-01-06T05:01:05Z) - Toward Development of Machine Learned Techniques for Production of
Compact Kinetic Models [0.0]
化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。
本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
論文 参考訳(メタデータ) (2022-02-16T12:31:24Z) - Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。
シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文 参考訳(メタデータ) (2021-10-26T14:26:25Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳(メタデータ) (2021-10-26T07:02:14Z) - SE(3)-Equivariant Graph Neural Networks for Data-Efficient and Accurate
Interatomic Potentials [0.17590081165362778]
NequIPは分子動力学シミュレーションのためのab-initio計算から原子間電位を学習するためのSE(3)等価ニューラルネットワークアプローチである。
この方法は、顕著なデータ効率を示しながら、様々な分子や材料の挑戦的な集合に対して最先端の精度を達成する。
論文 参考訳(メタデータ) (2021-01-08T18:49:10Z) - Graph Neural Networks for the Prediction of Substrate-Specific Organic
Reaction Conditions [79.45090959869124]
有機化学反応をモデル化するために,グラフニューラルネットワーク(GNN)を用いた系統的研究を行った。
実験試薬と条件の識別に関わる分類タスクに対して、7つの異なるGNNアーキテクチャを評価した。
論文 参考訳(メタデータ) (2020-07-08T17:21:00Z)
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。