生物学的発見と設計のための不確実性による学習【JST・京大機械翻訳】

Hie, B.; Bryson, B. D.; Berger, B.

プレプリント

J-GLOBAL ID：202202200027391960 整理番号：22P0244688

生物学的発見と設計のための不確実性による学習【JST・京大機械翻訳】

Learning with uncertainty for biological discovery and design

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年08月12日プレプリントサーバーでの情報更新日： 2020年08月12日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

生物学的仮説を生成する機械学習は変換ポテンシャルを持つが,ほとんどの学習アルゴリズムは訓練データ分布を超えた領域を探索する場合,病的失敗に影響を受けやすい。解は予測の不確実性を定量化するので,アルゴリズムが標準法を混乱させる新しい現象を扱うことができる。ここでは,生物学的発見におけるロバスト不確実性予測の広い有用性を示した。現代の事前訓練された特徴に関するGauss過程に基づく不確実性予測をレバーすることによって,著者らは,単に72の化合物に関するモデルを訓練して,10,833-化合物ライブラリー,種々のキナーゼに対するナノモル親和性を有する化合物を同定し,そして,結核菌の全細胞成長阻害を,同定して,実験的に検証した。不確実性が計算と実験の間の厳密な反復ループをどのように促進するかを示し,新しい生化学構造の生成設計を改善し,異種の生物学的ドメインを横断して一般化した。より広く,本研究は,不確実性が,実験ライフサイクルへの機械学習アルゴリズムの採用増加において,主要な役割を果たすことを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般 , 数値計算

, , , ,

前のページに戻る