ChemFusion 神经网络采用新颖的多模态方法预测反应产率

研究人员开发了 ChemFusion，这是一种新颖的多模态神经网络，旨在预测过渡金属催化反应的结果。该混合网络使用交叉注意力机制有效地融合了电子描述符和反应位点的 3D 几何形状。通过动态地将全局电子状态与特定的空间约束联系起来，ChemFusion 与单一模态框架相比表现出更优越的预测性能，并通过识别空间位阻提供了基于物理的解释性。 AI

影响 该模型可以通过提高反应结果预测的准确性和可解释性来加速化学研究。

排序理由 该集群包含一篇详细介绍反应产率预测新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• ChemFusion
• CORE Recommender
• Cross-Couplings Using Aryl Ethers via C–O Bond Activation Enabled by Nickel Catalysts
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →