每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

基于通用 SMARTS 模板和数据增强的 Transformer 模型预测化学产品

Created by
  • Haebom

作者

德林·奥泽尔、西尔万·兰普里尔、托马斯·柯西、尼古拉斯·古托夫斯基、伯努瓦·达·莫塔

大纲

为了应对计算化学中预测化学反应结果的挑战，本文提出了基于SMARTS的广泛反应集（BRS），其中包含20个常见反应模板，以及首个能够处理这些模板的语言模型ProPreT5。ProPreT5是一个基于T5的模型，通过一种新颖的SMARTS模板增强策略来提升泛化性能。使用增强模板进行训练的ProPreT5比现有方法表现出更强的预测性能和对新型反应的泛化能力。

Takeaways, Limitations

•
Takeaways：
◦
我们提出了 BRS，一组基于 SMARTS 的通用响应模板，以减少对特定响应的依赖。
◦
开发了第一个能够直接处理和应用SMARTS模板的语言模型ProPreT5。
◦
我们提出了 SMARTS 的第一个增强策略，以提高模型的泛化性能。
◦
与现有方法相比，实现了更高的响应预测性能和泛化性能。
•
Limitations：
◦
BRS 中包含的 20 个模板可能无法涵盖所有​​化学反应。
◦
ProPreT5 的性能可能取决于所使用的数据集。
◦
SMARTS 增强策略的有效性可能因不同类型的响应或数据集而异。
◦
可能需要进一步研究来确定该模型的可解释性。
👍
Made with Slashpage