新的RxnCLF模型通过对比学习增强化学反应预测能力

研究人员开发了RxnCLF，一种新颖的反应表示自监督对比学习框架。该模型利用浓缩反应图（CRG）来统一反应物和产物信息，使其能够学习显式且丰富的变换结构。RxnCLF在大量反应数据集上进行了预训练，并在各种产率预测基准测试中进行微调后，表现出性能提升，优于现有的基于图和基于序列的方法。 AI

影响 该模型可以通过提高化学反应结果预测的准确性来加速药物发现和材料科学的发展。

排序理由 这是一篇详细介绍新的化学反应预测模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• AMIDE FORMATION BY DECARBOXYLATIVE CONDENSATION OF HYDROXYLAMINES AND a-KETOACIDS: N-[(1S)-1 PHENYLETHYL]-BENZENEACETAMIDE
• Buchwald–Hartwig amination
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• HTE C-N coupling
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Pd-catalyzed BH coupling
• RxnCLF
• ScienceCast

• 论文
• 模型发布
• 其他

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