AI模型融合视觉和表格数据，实现卓越的反应产率预测

研究人员开发了一种新颖的视觉交叉注意力架构，该架构结合了表格物理有机数据和二维分子拓扑结构，以改进反应产率预测。该方法利用通用的计算机视觉骨干网络处理二维骨架结构，优于传统的基于量子的方法。该架构通过学习动态化学层次结构并优先考虑关键的空间瓶颈，实现了 5.27% 的测试 RMSE 的卓越预测精度，而残差跳跃连接则保留了非空间电子参数。 AI

影响 这项研究引入了一种新颖的 AI 架构，可以提高化学反应的预测精度，从而可能加速药物发现和材料科学。

排序理由 该条目描述了一篇发表在 arXiv 上的新研究论文，其中详细介绍了一种用于特定科学预测任务的新颖 AI 架构。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• ScienceCast
• Vision Cross-Attention

• 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 →