分子編集グラフ注意ネットワーク:グラフ編集系列としての化学反応のモデル化【JST・京大機械翻訳】

Sacha Mikolaj; Blaz Mikolaj; Byrski Piotr; Dabrowski-Tumanski Pawel; Chrominski Mikolaj; Loska Rafal; Wlodarczyk-Pruszynski Pawel; Jastrzebski Stanislaw

プレプリント

J-GLOBAL ID：202202201331240206 整理番号：21P0037408

分子編集グラフ注意ネットワーク:グラフ編集系列としての化学反応のモデル化【JST・京大機械翻訳】

Molecule Edit Graph Attention Network: Modeling Chemical Reactions as Sequences of Graph Edits

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 (8件)： , , , , , , ,
資料名：
発行年： 2020年06月27日プレプリントサーバーでの情報更新日： 2021年05月25日
JST資料番号： O7000B 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)

自動合成計画における中心課題は,多様な化学反応の成果を発生,予測することである。特に,多くの場合,最も有望な合成経路は,代替化学反応の提案を必要とする付加的制約のために適用できない。これを念頭に置いて,Molecle Editグラフ注意ネットワーク(MEGAN),エンドツーエンド符号器デコーダニューラルモデルを提示する。MEGANは,グラフ編集のシーケンスとして化学反応を表現するモデル,すなわち,狭いプッシュ形成形式に似ている。このモデルを逆合成予測(化学反応の生成物を与える予測基質)に拡張し,大規模データセットまでスケールアップした。編集のシーケンスとしての反応の表現は,MEGANが妥当な化学反応の空間を効率的に探索し,エンドツーエンド様式で反応をモデル化する柔軟性を維持し,標準ベンチマークで最先端の精度を達成することができると主張する。コードと訓練されたモデルはhttps://github.com/molecule one/meganでオンラインで利用できる。【JST・京大機械翻訳】

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

代謝一般 , 分子・遺伝情報処理 , グラフ理論基礎

, , , , , ,

前のページに戻る