文献

J-GLOBAL ID：202202279130350416   整理番号：22A0942022

制約付き分子最適化のための構造を意識した条件付き変分自動エンコーダ【JST・京大機械翻訳】

Structure-aware conditional variational auto-encoder for constrained molecule optimization

著者 (9件)： Yu Junchi (University of Chinese Academy of Sciences, China) ,  Yu Junchi (Institute of Automation, Chinese Academy of Sciences, China) ,  Yu Junchi (Tencent AI Lab, China) ,  Xu Tingyang (Tencent AI Lab, China) ,  Rong Yu (Tencent AI Lab, China) ,  Huang Junzhou (Tencent AI Lab, China) ,  He Ran (University of Chinese Academy of Sciences, China) ,  He Ran (Institute of Automation, Chinese Academy of Sciences, China) ,  He Ran (Center for Excellence in Brain Science and Intelligence Technology, CAS, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 126  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分子最適化の目標は分子構造を修飾することにより分子特性を最適化することである。条件的生成モデルは,入力分子をより良い特性を有するものに転送する有望な方法を提供する。しかし,分子特性は分子構造の小さな変化に非常に敏感である。これは,構造において限られた修飾を有する分子の性質を改善できるという興味深い考えをもたらす。本論文では,構造条件として分子のトポロジーを利用し,制約された構造修正により分子特性を最適化する,構造意識条件付き変分Auto-Encoder,すなわちSCVAEを提案した。SCVAEは,2つの分子の間の構造条件を結合するために,教師なし方法で2レベル分子構造のグラフアラインメントを利用する。次に,この構造条件は,新しい変分自己エンコーダフレームワークの下で,制限された構造修正,すなわち,制約された分子最適化による分子最適化を容易にする。広範な実験的評価は,構造認識CVAEが,元のものに高い類似性とより良い分子特性を有する新しい分子を生成することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  位相幾何学 ,  グラフ ,  *最適化 ,  分子構造 ,  *変分法 ,  *符号器 ,  類似性 ,  性質 ,  *制約条件
準シソーラス用語： 生成モデル ,  分子の性質 ,  分子特性解析 , 【Automatic Indexing@JST】

著者キーワード (3件)： 分子最適化 ,  条件付き生成 ,  薬物発見

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 制約 ,  分子 ,  最適化 ,  意識 ,  変分 ,  エンコーダ