抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自動化学設計は,最適化された特性を有する新規分子を生成するための枠組みである。変分自動符号器の潜在空間上でのBayes最適化を特徴とする元の方式は,それが無効な分子構造を生成する傾向があるという病理に悩まされている。最初に,Bayes最適化方式が,変分自動符号器が訓練されたデータから遠く離れた潜在空間点を質問するときに,この病理が発生することを経験的に実証した。第二に,制約されたBayes最適化問題として探索手順を再定式化することにより,この病理の効果が緩和され,生成された分子の妥当性が著しく改善されることを示した。制約付きBayes最適化は,変分自動符号器の潜在空間上のBayes最適化を含む多くの生成タスクにおいて,この種の訓練集合不整合を解くための良好な手法であることを証明した。Copyright 2020 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】