研究人员开发了GraphCliff，这是一种新颖的图神经网络架构，旨在更好地模拟由细微结构差异引起的分子关键活性变化。与可能无法区分具有大效力差异的相似分子相比，GraphCliff在节点级别整合了短程和长程信息。这种方法增强了模型区分结构相似但功能不同的化合物的能力，从而提高了在标准和活性悬崖数据集上的性能。 AI
影响 增强了AI预测分子活性的能力，有望加速药物发现和材料科学。
排序理由 该集群包含一篇学术论文，详细介绍了特定科学领域的新模型架构。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Extended-connectivity fingerprints
- GraphCliff
- graph neural networks
- Hajung Kim
- machine learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
