Morgan fingerprints
PulseAugur coverage of Morgan fingerprints — every cluster mentioning Morgan fingerprints across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究揭示机器嗅觉描述语料库的局限性
一项新的研究论文探讨了汇集的公共描述语料库在机器嗅觉方面的局限性，发现来源之间在描述语应用和广度上存在显著分歧。研究强调，即使有先进的分子描述符和广泛的标记，衡量某些嗅觉特性（如效价）的能力也受到严重限制。研究表明，效价（衡量愉悦度的指标）必须直接测量，因为它无法从现有的描述符数据中可靠推断出来。
-
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。
-
新的审计框架超越预测准确性评估分子AI表示
一篇新研究论文介绍了一种可靠性感知审计分子表示的方法，超越了简单的预测准确性。该研究使用人类嗅觉数据集，评估了MoLFormer和ChemBERTa等通用分子编码器与传统方法的性能。研究结果表明，尽管人类感知几何在参与者之间是可复现的，但其与模型表示的一致性明显较弱。该研究为当前编码器设定了经验性限制，并提倡更广泛的评估标准，包括目标可靠性、结构一致性、增量信息、复制和分布外迁移。
-
新的超维度指纹在分子表示方面优于传统方法
研究人员引入了超维度指纹（HDF）作为一种新颖的分子表示方法，旨在克服传统基于哈希的指纹固有的信息丢失问题。与图神经网络不同，HDF 利用高维向量上的代数运算，无需进行特定任务的训练即可降低计算需求。该新方法在各种属性预测基准测试中表现出卓越的性能和一致性，比传统方法更能有效地保留分子相似性，尤其是在较低维度下。