ChemProps: A RESTful API enabled database for composite polymer name standardization
PulseAugur coverage of ChemProps: A RESTful API enabled database for composite polymer name standardization — every cluster mentioning ChemProps: A RESTful API enabled database for composite polymer name standardization across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
LeJEPA 架构已适配用于分子图编码器
研究人员已将自监督预训练架构 LeJEPA 应用于分子图神经网络，以评估其对分子性质预测的影响。预训练虽然增强了学习到的表示，但并未持续提升在抗生素活性预测或分子性质预测（ogbg-molhiv）等任务上的微调性能。然而，当预训练嵌入作为冻结探针使用时，其性能显著优于随机初始化，并且将这些嵌入与传统的 Morgan 指纹相结合，在 ogbg-molhiv 基准测试中取得了最佳性能。
-
新的机器学习框架对LNP转染预测模型进行基准测试
一个新的机器学习基准测试框架已被开发出来，用于评估预测脂质纳米颗粒（LNP）转染效率的模型。该框架旨在标准化新兴模型的评估，这对于加速RNA疗法开发至关重要。研究发现，使用显式分子子结构编码的模型表现最佳，而一些当前的图模型，如AGILE、Chemprop和KPGT，准确性较低。
-
ElemeNet 软件包推动分子机器学习发展
研究人员推出 ElemeNet，这是一个旨在推动分子机器学习发展的综合软件包。该新工具支持包括高达 100 号的元素在内的广泛化学物质，并提供 E(3)-等变和 Transformer 模型等先进的机器学习架构。ElemeNet 还内置了不确定性量化功能，并提供用户友好的界面，旨在使现代深度学习方法更容易被各个科学领域的 शोधकर्ता (researchers) 所用。
-
不确定性感知强化学习增强化学语言模型用于药物设计
研究人员开发了将预测不确定性纳入化学语言模型（CLMs）强化学习的新方法。这些方法旨在通过引导CLMs避开化学空间的不确定区域来改进分子的从头设计。通过将不确定性视为优化目标或用于调节策略更新，模型可以实现更可靠的命中发现，提高真实命中率和真实命中总数。