論文の概要: Deep Convolutional Neural Networks for predicting highest priority functional group in organic molecules

• arxiv url: http://arxiv.org/abs/2603.23862v1
• Date: Wed, 25 Mar 2026 02:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.096622
• Title: Deep Convolutional Neural Networks for predicting highest priority functional group in organic molecules
• Title（参考訳）: 有機分子における最優先機能群予測のための深部畳み込みニューラルネットワーク
• Authors: Kunal Khatri, Vineet Mehta,
• Abstract要約: 本稿では,有機分子の最も優先度の高い官能基を予測するために,ディープ畳み込みニューラルネットワーク(CNN)を提案する。 我々は、我々のモデルを機械学習(ML)メソッドのサポートベクトルマシン(SVM)と比較し、CNNがそれより優れている理由を推論した。
• 参考スコア（独自算出の注目度）: 0.14323566945483493
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Our work addresses the problem of predicting the highest priority functional group present in an organic molecule. Functional Groups are groups of bound atoms that determine the physical and chemical properties of organic molecules. In the presence of multiple functional groups, the dominant functional group determines the compound's properties. Fourier-transform Infrared spectroscopy (FTIR) is a commonly used spectroscopic method for identifying the presence or absence of functional groups within a compound. We propose the use of a Deep Convolutional Neural Networks (CNN) to predict the highest priority functional group from the Fourier-transform infrared spectrum (FTIR) of the organic molecule. We have compared our model with other previously applied Machine Learning (ML) method Support Vector Machine (SVM) and reasoned why CNN outperforms it.
• Abstract（参考訳）: 我々の研究は、有機分子に存在する最も優先度の高い官能基を予測する問題に対処する。 官能基は、有機分子の物理的および化学的性質を決定する有界原子のグループである。 複数の官能基が存在する場合、支配的な官能基は化合物の性質を決定する。 フーリエ変換赤外分光法(英: Fourier-transform Infrared spectroscopy、FTIR)は、化合物中の官能基の存在や欠如を特定するための分光法である。 本稿では,有機分子のフーリエ変換赤外スペクトル(FTIR)から最優先の機能群を予測するために,Deep Convolutional Neural Networks (CNN) を提案する。 我々は、我々のモデルを機械学習(ML)メソッドのサポートベクトルマシン(SVM)と比較し、CNNがそれより優れている理由を推論した。

関連論文リスト

• Ab Initio Random Matrix Theory of Molecular Electronic Structure [2.2856320397292946]
  分子電子構造におけるランダム・マトリクス理論(RMT)の普遍性を調べるために, ab initio 電子構造法を用いる。 一般的な低対称性の幾何学では、これらのアブ・イニシアチブ・ハミルトンのスペクトルはガウスアンサンブル(GOE)のウィグナー・ダイソン準位統計を示す。
  論文  参考訳（メタデータ） (2026-02-24T19:02:23Z)
• Molecular Representations in Implicit Functional Space via Hyper-Networks [53.70982267248536]
  分子学習は関数空間における学習として定式化することができる。 分子場上の分布を学習するハイパーネットワークベースのフレームワークであるMollFieldを用いて、この定式化をインスタンス化する。 分子を連続関数として扱うことは、分子表現がタスク全体にわたって一般化する方法を根本的に変えることを示す。
  論文  参考訳（メタデータ） (2026-01-29T21:13:37Z)
• Functional Groups are All you Need for Chemically Interpretable Molecular Property Prediction [0.0]
  本研究は、化学におけるFG(Functional Groups)の概念を用いて分子表現を開発することを提案する。 分子の基本的な化学構造に基づいて分子をコードする新しい手法であるFGR(Functional Group Representation)フレームワークを紹介する。 我々は、FGRフレームワークが33種類のベンチマークデータセットに対して最先端のパフォーマンスを達成することを実証した。
  論文  参考訳（メタデータ） (2025-09-11T17:01:31Z)
• FARM: Functional Group-Aware Representations for Small Molecules [55.281754551202326]
  小型分子のための機能的グループ認識表現(FARM)について紹介する。 FARMはSMILES、自然言語、分子グラフのギャップを埋めるために設計された新しいモデルである。 我々は、13のタスクのうち11のタスクで最先端のパフォーマンスを達成するMoleculeNetデータセット上で、FARMを評価した。
  論文  参考訳（メタデータ） (2024-10-02T23:04:58Z)
• Infrared Spectra Prediction for Diazo Groups Utilizing a Machine Learning Approach with Structural Attention Mechanism [0.0]
  赤外分光法は、分子構造や力学を振動や回転の遷移を通じて解明する化学研究において重要な技術である。 本稿では、特にジアゾ化合物の赤外スペクトルの予測と解釈を強化するために、構造的注意機構を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T15:44:43Z)
• 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)
• Physical Pooling Functions in Graph Neural Networks for Molecular Property Prediction [54.28948205388247]
  グラフニューラルネットワーク(GNN)は、分子グラフに基づく物理化学的特性のエンドツーエンド学習のための化学工学において出現している。 GNNの鍵となる要素は、原子の特徴ベクトルを分子指紋に結合するプール機能である。 物理プーリング関数の使用は、一般化を著しく促進することを示す。
  論文  参考訳（メタデータ） (2022-07-27T20:24:19Z)
• Organic Priors in Non-Rigid Structure from Motion [102.41675461817177]
  本稿では,従来の非剛体構造における有機前駆体(NRSfM)の利用を提唱する。 この論文の主な貢献は、NRSfMを解くために、そのような有機的な先駆体を効果的に活用できる、シンプルで方法論的で実践的な方法を提案することである。
  論文  参考訳（メタデータ） (2022-07-13T15:07:50Z)
• On the equivalence of molecular graph convolution and molecular wave function with poor basis set [7.106986689736826]
  量子物理学に基づく機械学習モデルである量子深度場(QDF)について述べる。 分子エネルギー予測タスクでは、外挿の可能性を実証し、小さな分子でQDFモデルを訓練し、大きな分子でテストし、高い性能を実現した。
  論文  参考訳（メタデータ） (2020-11-16T13:20:35Z)

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。