論文の概要: Cycle-Configuration: A Novel Graph-theoretic Descriptor Set for Molecular Inference

• arxiv url: http://arxiv.org/abs/2408.05136v1
• Date: Fri, 9 Aug 2024 15:45:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-12 15:16:47.027820
• Title: Cycle-Configuration: A Novel Graph-theoretic Descriptor Set for Molecular Inference
• Title（参考訳）: Cycle-Configuration:分子推論のための新しいグラフ理論記述子セット
• Authors: Bowen Song, Jianshen Zhu, Naveed Ahmed Azam, Kazuya Haraguchi, Liang Zhao, Tatsuya Akutsu,
• Abstract要約: サイクル・コンフィグレーション(CC)ディスクリプタは、mol-inferの標準の2層(2L)モデルで使用することができる。 提案された記述子は、芳香族環に現れる正統/メタ/パラパターンの概念を捉えている。
• 参考スコア（独自算出の注目度）: 6.170488239124818
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose a novel family of descriptors of chemical graphs, named cycle-configuration (CC), that can be used in the standard "two-layered (2L) model" of mol-infer, a molecular inference framework based on mixed integer linear programming (MILP) and machine learning (ML). Proposed descriptors capture the notion of ortho/meta/para patterns that appear in aromatic rings, which has been impossible in the framework so far. Computational experiments show that, when the new descriptors are supplied, we can construct prediction functions of similar or better performance for all of the 27 tested chemical properties. We also provide an MILP formulation that asks for a chemical graph with desired properties under the 2L model with CC descriptors (2L+CC model). We show that a chemical graph with up to 50 non-hydrogen vertices can be inferred in a practical time.
• Abstract（参考訳）: 本稿では,複合整数線形プログラミング (MILP) と機械学習 (ML) に基づく分子推論フレームワークであるmol-infer の標準 "2層 (2L) モデル" で使用可能な,CC (Cycle-configuration) と呼ばれる新しい化学グラフ記述系を提案する。 提案された記述子は、これまでのフレームワークでは不可能であった芳香族環に現れる正統/メタ/パラパターンの概念を捉えている。 計算実験により、新しいディスクリプタが供給されると、27の試験された化学特性の全てに対して、同様のまたはより良い性能の予測関数を構築することができることが示された。 また, CC記述子 (2L+CCモデル) を用いた2Lモデルの下で, 所望の特性を持つ化学グラフを求めるMILP式も提供する。 最大50個の非水素頂点を持つ化学グラフを実時間で推定できることを示す。

関連論文リスト

• Pre-trained Molecular Language Models with Random Functional Group Masking [54.900360309677794]
  SMILESをベースとしたアンダーリネム分子アンダーリネム言語アンダーリネムモデルを提案し,特定の分子原子に対応するSMILESサブシーケンスをランダムにマスキングする。 この技術は、モデルに分子構造や特性をよりよく推測させ、予測能力を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-11-03T01:56:15Z)
• Coarse-Grained Configurational Polymer Fingerprints for Property Prediction using Machine Learning [0.0]
  本研究では,ビーズスプリングモデルを用いて,高分子の構成レベル指紋を生成する手法を提案する。 提案手法は、大きな分子量から生じる挙動の研究に有利である可能性がある。
  論文  参考訳（メタデータ） (2023-11-20T12:17:25Z)
• On the Equivalence of Graph Convolution and Mixup [70.0121263465133]
  本稿では,グラフ畳み込みと混合手法の関係について検討する。 2つの穏やかな条件の下では、グラフの畳み込みはMixupの特別な形式と見なすことができる。 グラフ畳み込みネットワーク(GCN)と単純化グラフ畳み込み(SGC)をミックスアップの形で表現できることを証明し、数学的にこの等価性を確立する。
  論文  参考訳（メタデータ） (2023-09-29T23:09:54Z)
• 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)
• Molecular Design Based on Integer Programming and Splitting Data Sets by Hyperplanes [6.504869613326338]
  化学物質の分子構造を所望の化学的性質で設計するための枠組みを提案する。 提案フレームワークは,混合整数線形プログラム (MILP) と機械学習によって構築された予測関数を解くことで,所望の化学グラフを推定する。 計算実験の結果,提案手法は,優れた予測関数の構築が困難であったいくつかの化学特性の学習性能を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-04-27T04:18:41Z)
• Molecular Design Based on Integer Programming and Quadratic Descriptors in a Two-layered Model [5.845754795753478]
  混合整数線形プログラム(MILP)を解くことにより、所望の化学グラフを推論する。 特徴関数におけるグラフ理論記述子の集合は、そのようなMILPのコンパクトな定式化を導出するために重要な役割を果たす。 計算実験の結果,提案手法は最大50個の非水素原子を持つ化学構造を推定可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-09-13T08:27:25Z)
• Molecular Design Based on Artificial Neural Networks, Integer Programming and Grid Neighbor Search [6.519339570726759]
  本稿では,混合整数線形プログラムの他の実現可能な解を生成する手法を提案する。 計算実験の結果,提案手法は, 最大50個の非水素原子を持つ新しい化学グラフを生成できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-23T16:10:57Z)
• Structure-Enhanced Meta-Learning For Few-Shot Graph Classification [53.54066611743269]
  本研究では,数点グラフ分類の解法のためのメトリベースメタラーニングの可能性を検討する。 SMFGINというGINの実装は、ChemblとTRIANGLESの2つのデータセットでテストされている。
  論文  参考訳（メタデータ） (2021-03-05T09:03:03Z)
• Conditional Constrained Graph Variational Autoencoders for Molecule Design [70.59828655929194]
  本稿では、このキーイデアを最先端のモデルで実装した、条件制約付きグラフ変分オートエンコーダ(CCGVAE)を提案する。 分子生成のために広く採用されている2つのデータセットについて、いくつかの評価指標について改善した結果を示す。
  論文  参考訳（メタデータ） (2020-09-01T21:58:07Z)
• Retrosynthesis Prediction with Conditional Graph Logic Network [118.70437805407728]
  コンピュータ支援のレトロシンセシスは、化学と計算機科学の双方から新たな関心を集めている。 本稿では,グラフニューラルネットワーク上に構築された条件付きグラフィカルモデルであるConditional Graph Logic Networkを用いて,この課題に対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） (2020-01-06T05:36:57Z)

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。