論文の概要: From 2015 to 2023: How Machine Learning Aids Natural Product Analysis
- arxiv url: http://arxiv.org/abs/2408.00793v1
- Date: Thu, 18 Jul 2024 03:52:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 05:18:32.824161
- Title: From 2015 to 2023: How Machine Learning Aids Natural Product Analysis
- Title（参考訳）: 2015年から2023年まで: 機械学習はいかにして天然物分析を支援するか
- Authors: Suwen Shi, Ziwei Huang, Xingxin Gu, Xu Lin, Chaoying Zhong, Junjie Hang, Jianli Lin, Claire Chenwen Zhong, Lin Zhang, Yu Li, Junjie Huang,
- Abstract要約: 本稿では, 天然物分析に利用可能な計算戦略のスペクトルを考察し, 質的および定量的な化学問題の両方を研究するための研究枠組みを構築した。
我々の目的は、機械学習と化学の共生に関する新しい視点を提示することであり、天然物分析の分野での変革を触媒する可能性がある。
- 参考スコア（独自算出の注目度）: 19.545994817956505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, conventional chemistry techniques have faced significant challenges due to their inherent limitations, struggling to cope with the increasing complexity and volume of data generated in contemporary research endeavors. Computational methodologies represent robust tools in the field of chemistry, offering the capacity to harness potent machine-learning models to yield insightful analytical outcomes. This review delves into the spectrum of computational strategies available for natural product analysis and constructs a research framework for investigating both qualitative and quantitative chemistry problems. Our objective is to present a novel perspective on the symbiosis of machine learning and chemistry, with the potential to catalyze a transformation in the field of natural product analysis.
- Abstract（参考訳）: 近年、従来の化学技術は、その固有の限界のために重大な課題に直面しており、現代の研究で生成される複雑さや量の増大に対処するのに苦労している。
計算方法論は化学の分野で堅牢なツールであり、強力な機械学習モデルを利用して洞察に富んだ分析結果を得る能力を提供する。
本稿では, 天然物分析に利用可能な計算戦略のスペクトルを考察し, 質的および定量的な化学問題の両方を研究するための研究枠組みを構築した。
我々の目的は、機械学習と化学の共生に関する新しい視点を提示することであり、天然物分析の分野での変革を触媒する可能性がある。
関連論文リスト
- AI and Machine Learning Approaches for Predicting Nanoparticles Toxicity The Critical Role of Physiochemical Properties [0.0]
本研究は, サイズ, 形状, 表面電荷, 化学組成などの物理化学的特性を解析し, 毒性への影響を明らかにすることに焦点を当てた。
本研究は, 酸素原子, 粒子径, 表面積, 投与量, 曝露期間が毒性に及ぼす影響を明らかにする。
論文 参考訳（メタデータ） (2024-09-06T08:36:42Z) - BatGPT-Chem: A Foundation Large Model For Retrosynthesis Prediction [65.93303145891628]
BatGPT-Chemは150億のパラメータを持つ大規模な言語モデルであり、再合成予測の強化に最適化されている。
我々のモデルは幅広い化学知識を捉え、反応条件の正確な予測を可能にする。
この開発により、化学者は新しい化合物を十分に扱うことができ、医薬品製造と材料科学の革新サイクルを早める可能性がある。
論文 参考訳（メタデータ） (2024-08-19T05:17:40Z) - Deep Learning Domain Adaptation to Understand Physico-Chemical Processes from Fluorescence Spectroscopy Small Datasets: Application to Ageing of Olive Oil [4.14360329494344]
蛍光分光法は生命科学や化学の基本的な道具であり、環境モニタリング、食品品質管理、生物医学診断などの応用に広く用いられている。
深層学習を用いた分光データの解析、特に蛍光励起放出行列(EEM)は、通常、小さくてスパースなデータセットが利用できるため、大きな課題を提起する。
本研究では、これらの課題に対処する新しい解釈可能性アルゴリズムとともに、事前学習された視覚モデルによるドメイン適応を利用する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-06-14T13:41:21Z) - Transformers for molecular property prediction: Lessons learned from the past five years [0.0]
我々は、現在利用可能なモデルを分析し、MPP用のトランスフォーマーモデルを微調整し、トレーニング時に生じる重要な質問を探索する。
我々は、異なるモデルを比較する際の課題に対処し、標準化されたデータ分割とロバストな統計分析の必要性を強調した。
論文 参考訳（メタデータ） (2024-04-05T09:05:37Z) - An Autonomous Large Language Model Agent for Chemical Literature Data
Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。
本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文 参考訳（メタデータ） (2024-02-20T13:21:46Z) - Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。
Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。
Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
論文 参考訳（メタデータ） (2023-11-16T01:21:33Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Quantum Machine Learning for Chemistry and Physics [2.786820702277084]
機械学習(ML)とその従兄弟のディープラーニング(DL)は、物理科学、特に化学のあらゆる分野で前例のない発展をもたらした。
このレビューでは、これらのトピックのサブセットを詳述し、古典的および量子コンピューティングの強化された機械学習アルゴリズムによる貢献を、過去数年間にわたって詳述する。
論文 参考訳（メタデータ） (2021-11-01T11:38:47Z) - Automatic Gaze Analysis: A Survey of DeepLearning based Approaches [61.32686939754183]
視線分析はコンピュータビジョンとヒューマン・コンピュータ・インタラクションの分野で重要な研究課題である。
制約のない環境で視線方向を解釈するための重要な手がかりは何か、いくつかのオープンな質問がある。
我々は、これらの基本的な疑問に光を当てるために、様々な視線分析タスクと応用の進捗を概観する。
論文 参考訳（メタデータ） (2021-08-12T00:30:39Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
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。