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。
機能的分子のコンピュータベースのde-novo設計は,今日,化学情報科学における最も顕著な課題の1つである。結果として,人工知能の分野からの生成的および進化的逆設計は,特定の化学特性のための分子を最適化する目的で,迅速なペースで出現した。これらのモデルは化学的空間を間接的に探索する。潜在空間,政策,分布,または分子の集団への突然変異の適用によって学習する。しかし,SMILESに対する驚異的な代替である分子のSELFIESストリング表現の最近の開発は,他の可能性のある技術を可能にした。したがって,SELFIESに基づいて,コンピュータビジョンから発想技術を適用する直接勾配ベース分子最適化であるPASITHEAを提案した。PASITHEAは,ニューラルネットワークの学習プロセスを直接反転することにより,勾配の利用を利用し,それは,実数値化学特性を予測するために訓練された。効果的に,これは逆回帰モデルを形成し,それはある性質のために最適化された分子変異体を生成することができる。著者らの結果が予備的であるが,著者らは,PASITHEAの生存率の明確な表示である逆訓練中の選ばれた特性の分布のシフトを観察する。発想の著しい特性は,著者らが訓練された化学空間のモデルの理解を直接探索できることである。著者らは,より大きなデータセット,分子およびより複雑な特性へのPASITHEAの拡張が,機械学習モデルの解釈および説明と同様に,新しい機能性分子の設計における進歩を導くことを期待する。【JST・京大機械翻訳】