PulseAugur
中
实时 11:01:38
English(EN) A Generative Deep Learning Workflow for Inverse Molecular Design of Fuels

生成式AI框架赋能燃料逆向分子设计

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的生成式深度学习框架，用于燃料的逆向分子设计。该系统集成了协同优化的变分自编码器（Co-VAE）与定量结构-性质关系（QSPR）技术，以预测和优化研究马达法辛烷值（RON）等燃料性质。该框架使用差分进化算法在潜在空间中高效搜索具有期望性质的潜在燃料分子候选物，为探索广阔的化学空间以开发新型燃料提供了途径。 AI

影响 该框架可以通过高效探索化学空间来加速新型高性能燃料的发现。

排序理由 该集群包含一篇详细介绍用于分子设计的新深度学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

生成式AI框架赋能燃料逆向分子设计

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Kiran K. Yalamanchi, Pinaki Pal, Balaji Mohan, Abdullah S. AlRamadan, Jihad A. Badra, Yuanjiang Pei ·

    用于燃料逆向分子设计的生成式深度学习工作流

    arXiv:2504.12075v4 Announce Type: replace Abstract: In the present work, a generative deep learning framework combining a Co-optimized Variational Autoencoder (Co-VAE) with quantitative structure-property relationship (QSPR) techniques is developed to enable inverse molecular des…

相关话题