論文の概要: Motional representation; the ability to predict odor characters using molecular vibrations

• arxiv url: http://arxiv.org/abs/2509.16245v1
• Date: Wed, 17 Sep 2025 09:46:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.694981
• Title: Motional representation; the ability to predict odor characters using molecular vibrations
• Title（参考訳）: 運動表現 : 分子振動を用いた匂いのキャラクタの予測
• Authors: Yuki Harada, Shuichi Maeda, Junwei Shen, Taku Misonou, Hirokazu Hori, Shinichiro Nakamura,
• Abstract要約: 臭気分子構造に基づいて, 臭気特性の予測は依然として不可能である。 我々は分子振動のパラメータを計算するためのCNNベースの回帰器を設計した。 我々の研究は、匂いは匂いの分子振動によって予測できるだけでなく、その形状だけによって予測可能であることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The prediction of odor characters is still impossible based on the odorant molecular structure. We designed a CNN-based regressor for computed parameters in molecular vibrations (CNN\_vib), in order to investigate the ability to predict odor characters of molecular vibrations. In this study, we explored following three approaches for the predictability; (i) CNN with molecular vibrational parameters, (ii) logistic regression based on vibrational spectra, and (iii) logistic regression with molecular fingerprint(FP). Our investigation demonstrates that both (i) and (ii) provide predictablity, and also that the vibrations as an explanatory variable (i and ii) and logistic regression with fingerprints (iii) show nearly identical tendencies. The predictabilities of (i) and (ii), depending on odor descriptors, are comparable to those of (iii). Our research shows that odor is predictable by odorant molecular vibration as well as their shapes alone. Our findings provide insight into the representation of molecular motional features beyond molecular structures.
• Abstract（参考訳）: 臭気分子構造に基づいて, 臭気特性の予測は依然として不可能である。 分子振動の匂い特性を予測するために,分子振動(CNN\_vib)のパラメータ計算のためのCNNベースの回帰器を設計した。 本研究では,予測可能性に関する3つのアプローチについて考察した。 一 分子振動パラメータを有するCNN 二 振動スペクトルに基づくロジスティック回帰、及び (iii)分子指紋によるロジスティック回帰(FP) 私たちの調査はどちらも (i)および (二)予知性及び説明変数としての振動(i) 二 指紋によるロジスティック回帰及びロジスティック回帰 (三)ほぼ同じ傾向を示す。 予測可能性 (i)および (ii)に匹敵するもの (三) 我々の研究は、匂いは匂いの分子振動によって予測できるだけでなく、その形状だけによって予測可能であることを示している。 分子構造以外の分子運動の特徴の表現について考察した。

関連論文リスト

• Spinor Bose-Einstein condensate as an analog simulator of molecular bending vibrations [0.0]
  スピノルBose-Einstein Condensates (BEC) は二次元ビブロンモデルのアナログシミュレータとして動作可能であることを示す。 線形分子の曲げ力学の量子シミュレーションを実現する方法を示す。
  論文  参考訳（メタデータ） (2025-05-26T11:18:16Z)
• Knowledge-aware contrastive heterogeneous molecular graph learning [77.94721384862699]
  分子グラフを不均一な分子グラフ学習(KCHML)に符号化するパラダイムシフトを提案する。 KCHMLは、不均一な分子グラフと二重メッセージパッシング機構によって強化された3つの異なるグラフビュー-分子、元素、薬理学-を通して分子を概念化する。 この設計は、プロパティ予測やドラッグ・ドラッグ・インタラクション(DDI)予測などの下流タスクに対する包括的な表現を提供する。
  論文  参考訳（メタデータ） (2025-02-17T11:53:58Z)
• Navigating the Fragrance space Via Graph Generative Models And Predicting Odors [0.2749898166276853]
  我々は、匂いの複雑な景観とより広い化学空間を効率的にナビゲートし、探索するために、生成的モデリング技術一式を探索する。 従来のアプローチとは異なり、分子を生成するだけでなく、OC AUCスコア0.97で匂いの類似性を予測し、匂いのラベルを割り当てる。
  論文  参考訳（メタデータ） (2025-01-30T22:00:23Z)
• 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)
• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• Olfactory Label Prediction on Aroma-Chemical Pairs [0.2749898166276853]
  本稿では,アロマケミカルのブレンドから発生する臭気特性を正確に予測できるグラフニューラルネットワークモデルを提案する。 本稿では、ラベル付き分子対からなるデータセットに対して、既存のアプローチと新しいアプローチの両方を適用する。
  論文  参考訳（メタデータ） (2023-12-26T17:18:09Z)
• 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)
• Carbohydrate NMR chemical shift predictions using E(3) equivariant graph neural networks [0.0]
  この研究は、E(3)同変グラフニューラルネットワークを利用して炭水化物NMRスペクトルを予測する新しいアプローチを導入する。 特に,従来のモデルと比較して,平均絶対誤差を最大3倍に削減した。 この含意は、炭水化物の構造とスペクトル解釈の高度な理解を超えている。
  論文  参考訳（メタデータ） (2023-11-21T15:01:14Z)
• 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)
• MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
  本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。 拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。 我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
  論文  参考訳（メタデータ） (2023-04-28T04:25:57Z)

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。