Молекулярный конструктор: нейросети учатся предсказывать химические реакции

Архитектура предложенной модели интегрирует информацию о молекулярном графе в механизм многоголового внимания в качестве структурных априорных знаний, а для обучения используется аугментация пар «реагент-продукт» посредством SMILES, что позволяет эффективно учитывать структурные особенности молекул.

Новая модель на основе Transformer-архитектуры демонстрирует впечатляющие результаты в предсказании путей синтеза органических молекул, обходясь без традиционных шаблонов.

Рынок данных будущего: децентрализация, приватность и сотрудничество

Новая архитектура D2M объединяет возможности децентрализованных технологий и экономическое стимулирование для безопасного обмена данными и совместного обучения моделей.