論文の概要: Molecule Generation and Optimization for Efficient Fragrance Creation
- arxiv url: http://arxiv.org/abs/2402.12134v1
- Date: Mon, 19 Feb 2024 13:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-20 16:23:48.941499
- Title: Molecule Generation and Optimization for Efficient Fragrance Creation
- Title(参考訳): 効率的な香り生成のための分子生成と最適化
- Authors: Bruno C. L. Rodrigues, Vinicius V. Santana, Sandris Murins and
Idelfonso B. R. Nogueira
- Abstract要約: この研究は、嗅覚体験を再現する機械学習中心のアプローチを導入する。
主な貢献は、香水分子構造と人間の嗅覚を結合するハイブリッドモデルである。
この方法論は、利用可能な実験データを用いて、2つの異なる嗅覚経験を再現することによって検証される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research introduces a Machine Learning-centric approach to replicate
olfactory experiences, validated through experimental quantification of perfume
perception. Key contributions encompass a hybrid model connecting perfume
molecular structure to human olfactory perception. This model includes an
AI-driven molecule generator (utilizing Graph and Generative Neural Networks),
quantification and prediction of odor intensity, and refinery of optimal
solvent and molecule combinations for desired fragrances. Additionally, a
thermodynamic-based model establishes a link between olfactory perception and
liquid-phase concentrations. The methodology employs Transfer Learning and
selects the most suitable molecules based on vapor pressure and fragrance
notes. Ultimately, a mathematical optimization problem is formulated to
minimize discrepancies between new and target olfactory experiences. The
methodology is validated by reproducing two distinct olfactory experiences
using available experimental data.
- Abstract(参考訳): 本研究では,香水知覚の定量化実験を通じて,嗅覚体験を再現する機械学習中心のアプローチを提案する。
主な貢献は、香水分子構造と人間の嗅覚を結合するハイブリッドモデルである。
本モデルは、ai駆動分子発生装置(グラフおよび生成ニューラルネットワークを利用する)、臭気強度の定量化及び予測、および所望の香りに対する最適な溶媒と分子の組み合わせの精製を含む。
さらに、熱力学モデルにより嗅覚と液相濃度の関連が確立される。
この方法は伝達学習を用い、蒸気圧と香りノートに基づいて最も適した分子を選択する。
最終的に、新しい嗅覚経験と対象嗅覚経験の相違を最小限に抑えるために数学的最適化問題が定式化される。
この方法論は、利用可能な実験データを用いて2つの異なる嗅覚経験を再現することで検証される。
関連論文リスト
- Multi-objective Molecular Optimization for Opioid Use Disorder Treatment
Using Generative Network Complex [5.33208055504216]
オピオイド・ユース障害(OUD)が世界的な健康問題として浮上している。
本研究では,微分方程式(SDE)に基づく拡散モデルと事前学習された自己エンコーダモデルの潜在空間を結合した深部生成モデルを提案する。
分子発生器は、複数の標的に有効である分子の効率的な生成を可能にする。
論文 参考訳(メタデータ) (2023-06-13T01:12:31Z) - 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) - Retrieval-based Controllable Molecule Generation [63.44583084888342]
制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。
我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。
提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
論文 参考訳(メタデータ) (2022-08-23T17:01:16Z) - Exploring Chemical Space with Score-based Out-of-distribution Generation [57.15855198512551]
生成微分方程式(SDE)にアウト・オブ・ディストリビューション制御を組み込んだスコアベース拡散方式を提案する。
いくつかの新しい分子は現実世界の薬物の基本的な要件を満たしていないため、MOODは特性予測器からの勾配を利用して条件付き生成を行う。
我々はMOODがトレーニング分布を超えて化学空間を探索できることを実験的に検証し、既存の方法で見いだされた分子、そして元のトレーニングプールの上位0.01%までも生成できることを実証した。
論文 参考訳(メタデータ) (2022-06-06T06:17:11Z) - GeoDiff: a Geometric Diffusion Model for Molecular Conformation
Generation [102.85440102147267]
分子配座予測のための新しい生成モデルGeoDiffを提案する。
GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
論文 参考訳(メタデータ) (2022-03-06T09:47:01Z) - Molecular Attributes Transfer from Non-Parallel Data [57.010952598634944]
分子最適化をスタイル伝達問題として定式化し、非並列データの2つのグループ間の内部差を自動的に学習できる新しい生成モデルを提案する。
毒性修飾と合成性向上という2つの分子最適化タスクの実験により,本モデルがいくつかの最先端手法を著しく上回ることを示した。
論文 参考訳(メタデータ) (2021-11-30T06:10:22Z) - Federated Learning of Molecular Properties in a Heterogeneous Setting [79.00211946597845]
これらの課題に対処するために、フェデレーションヘテロジニアス分子学習を導入する。
フェデレートラーニングにより、エンドユーザは、独立したクライアント上に分散されたトレーニングデータを保存しながら、グローバルモデルを協調的に構築できる。
FedChemは、化学におけるAI改善のための新しいタイプのコラボレーションを可能にする必要がある。
論文 参考訳(メタデータ) (2021-09-15T12:49:13Z) - Analysis of training and seed bias in small molecules generated with a
conditional graph-based variational autoencoder -- Insights for practical
AI-driven molecule generation [0.0]
活性条件付きグラフベース変分オートエンコーダ(VAE)の出力に及ぼすシードとトレーニングバイアスの影響を解析する。
グラフに基づく生成モデルは, 所望の条件付き活性と, 生成分子における好ましくない物理特性の創出に優れていた。
論文 参考訳(メタデータ) (2021-07-19T16:00:05Z) - Learning the exchange-correlation functional from nature with fully
differentiable density functional theory [0.0]
我々は、完全に微分可能な3次元コーン・シャム密度汎関数論フレームワーク内での交換相関関数を置き換えるためにニューラルネットワークを訓練する。
我々の訓練された交換相関ネットワークは110分子の集合体における原子化とイオン化エネルギーの予測を改善した。
論文 参考訳(メタデータ) (2021-02-08T14:25:10Z) - The Synthesizability of Molecules Proposed by Generative Models [3.032184156362992]
機能性分子の発見は高価で時間を要するプロセスである。
初期の薬物発見への関心が高まる技術のひとつに、デ・ノボの分子生成と最適化がある。
これらの手法は、多目的関数の最大化を目的とした新しい分子構造を示唆することができる。
しかし、これらのアプローチの実用性は、合成可能性の無知によって汚される。
論文 参考訳(メタデータ) (2020-02-17T15:41:28Z)
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。