PulseAugur
实时 09:41:09

SPECTRA方法增强了对代表性不足数据的分子性质预测

研究人员推出了一种新颖的分子图生成方法SPECTRA,该方法提高了对代表性不足但化学上相关的分子性质的预测准确性。该方法通过关注稀有数据区域,解决了标准误差最小化和过采样技术的局限性。SPECTRA结合了稀有感知预算、目标邻居图对齐和拉普拉斯谱插值,与现有的最先进方法相比,在计算时间显著减少的情况下实现了具有竞争力的性能。 AI

影响 提高了对代表性不足的分子性质的预测准确性,可能加速药物发现和材料科学研究。

排序理由 该集群包含一篇关于分子性质回归新方法的学术论文。[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 →

SPECTRA方法增强了对代表性不足数据的分子性质预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Brenda Nogueira, Gisela A. Gonzalez-Montiel, Meng Jiang, Nitesh V. Chawla, Nuno Moniz ·

    SPECTRA: 谱域感知图生成用于不平衡分子属性回归

    arXiv:2511.04838v2 Announce Type: replace Abstract: Molecular property regression struggles with cases in chemically relevant target ranges that are underrepresented in datasets. Standard average error minimization approaches underperform in these highly relevant cases, and overs…