近日，百度在《Nature Machine Intelligence》上发表了AI+生物计算的最新研究成果《Geometry Enhanced Molecular Representation Learning for Property Prediction》，提出“基于空间结构的化合物表征学习方法”，即“几何构象增强AI算法”（Geometry Enhanced Molecular Representation Learning，GEM模型），揭示了一种基于三维空间结构信息的化合物建模方法，以及在药物研发中的应用。
利用几何构象提升化合物分子建模效果
2022-05-04
112
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
利用几何构象提升化合物分子建模效果
目录
相关文章
|
6月前
|
机器学习/深度学习
数据处理
|
6月前
|
算法
vr&ar
|
6月前
|
机器学习/深度学习
算法
数据挖掘
|
算法
【分布鲁棒和多目标非负矩阵分解】基于DR-NMF的对NMF问题噪声模型的识别鲁棒性研究（Matlab代码实现）
【分布鲁棒和多目标非负矩阵分解】基于DR-NMF的对NMF问题噪声模型的识别鲁棒性研究（Matlab代码实现）
73
0
0
|
机器学习/深度学习
传感器
算法
|
机器学习/深度学习
|
机器学习/深度学习
|
数据挖掘
|
机器学习/深度学习
人工智能
编解码
|
机器学习/深度学习
异构计算