PulseAugur
中
实时 01:22:30

新的AI方法提高了分子学习的稳定性和跨领域应用能力

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文介绍了用于分子关系学习（MRL）的新颖方法，以提高化学领域AI模型的稳定性和跨领域适用性。第一篇论文ReAlignFit，整合了化学知识来对齐子结构表示，增强了模型在数据分布偏移时的稳定性。第二篇论文DisTrans，利用领域对抗训练和结构-活性分析，使MRL模型能够在不同领域有效学习，即使存在显著差异。 AI

影响 这些论文介绍了新颖的AI技术，有望提高药物发现和材料科学等领域的分子建模的准确性和可靠性。

排序理由 两篇arXiv论文介绍了分子关系学习的新方法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Peiliang Zhang, Jingling Yuan, Qing Xie, Yongjun Zhu, Lin Li ·

    用于分子关系学习的化学诱导拟合的表征对齐

    arXiv:2502.07027v3 Announce Type: replace-cross Abstract: Molecular Relational Learning (MRL) is widely applied in natural sciences to predict relationships between molecular pairs by extracting structural features. The representational similarity between substructure pairs deter…

  2. arXiv cs.AI TIER_1 English(EN) · Peiliang Zhang, Jingling Yuan, Shiqing Wu, Mengqing Hu, Chao Che, Yongjun Zhu, Lin Li ·

    跨域分子关系学习：利用化学结构-活性分析

    arXiv:2605.16799v2 Announce Type: replace-cross Abstract: Recent advances in molecular representation integrates molecular topological and visual modalities, opening new avenues for precise Molecular Relational Learning (MRL). Existing MRL methods focus on intra-domain modeling, …

相关话题