研究人员开发了一种新颖的多网格训练策略，利用图神经网络和深度学习来加速分子生成。该方法利用低分辨率优化，通过在不同离散化之间传递参数来加速高分辨率下的学习。对于基于图的分子表示，参数通过有偏随机游走上采样从粗糙图逐步传递到更精细的图。在3D配体生成上的实验表明，与传统训练方法相比，这种多网格方法提高了收敛性和泛化能力。 AI
影响 这种新的训练策略可以显著降低发现具有所需特性的新分子的计算成本和时间。
排序理由 该集群包含一篇详细介绍使用图神经网络进行分子生成的新训练方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CVAE
- deep learning
- graph neural networks
- Molecular generation targeting desired electronic properties via deep generative models
- Multigrid Training
- variational auto-encoder
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
