机器学习平台 PAI化学-阿里云

浙大团队将化学知识引入机器学习，提出可外推、可解释的分子图模型预测反应性能

编辑 | 绿萝化学反应的预测建模在药物发现和材料科学等各个行业中起着至关重要的作用。然而，由于化学转化的复杂性和多样性，实现具有所需外推能力和化学可解释性的合成转化预测模型具有挑战性。为了弥补丰富的化学领域知识与先进的分子图模型之间的差距，来自浙江大学洪鑫课题组提出了一种嵌入数字化空间和电...

AI for Science：人工智能改变化学领域，机器学习范式加速化学物质发现

随着人工智能技术兴起，在化学领域，传统的基于实验和物理模型的方式逐渐与基于数据的机器学习范式融合。越来越多的用于计算机处理数据表示被开发出来，并不断适应着以生成式为主的统计模型。虽然工程、金融和商业从新算法中获益匪浅，但获益不仅仅来自算法。几十年来，大规模计算一直是物理科学工具包中不可或缺的一部分 ...

机器学习解决核磁共振谱中「谁是谁」的问题，可直接从晶体结构预测化学位移

编辑/凯霞核磁共振技术（NMR ）可用于有机化合物结构鉴定，以及分子和材料的化学动力学研究。对有机材料进行 NMR 研究的先决条件是将每个实验化学位移分配给一组几何等效的原子核。然而，通过实验获得分配可能具有挑战性，并且通常需要耗时的多维相关实验。通过与实验化学位移数据库的统计分析进行比较分配将是一...

Angew. Chem. Int. Ed. | 分子机器学习是合成化学的未来吗?

今天给大家介绍的是来自德国威廉姆斯明斯特大学Frank Glorius教授课题组发表在德国应用化学上的文章。本文介绍了分子机器学习在合成化学领域的机遇，提出了发展方向和应对的挑战，并且鼓励刚迈进该领域的研究人员提供更好的解决方案。1背景过去的十年中机器学习（Meachine learning，ML）...

Nat. Commun. | 机器学习在化学发现中的应用

2020年8月17日发表在nature communications上的一篇关于"Machine learning for chemical discovery"评论的文章，通讯作者是卢森堡大学物理和材料科学系的Alexandre Tkatchenko教授。发现具有所需属性的化学物质是一个漫长而艰辛...

机器学习如何助力计算化学研究发展？

在过去的几年中，化学研究只专注于使用从个人经验和文献中获得的先前研究成果的进行试验的方法。尽管在文献中一直有很多反应和化学途径可供科学家使用，但在一系列反应/一系列反应中可能会发生许多不可预测的自发场景。这是化学研发需要时间和耐心才能产生结果的原因之一。在过去的十年左右的时间里，计算化学领域一直在...

CCAI 2017 日本理化学研究所先进智能研究中心主任杉山将：弱监督机器学习的研究进展

7 月 22 - 23 日，在中国科学技术协会、中国科学院的指导下，由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办，CSDN、中国科学院自动化研究所承办,云栖社区作为独家直播合作伙伴的 2017 中国人工智能大会（CCAI 2017）在杭州国际会议中心盛大召开。在本次大会上，日本人工智...

共有7条

< 1 >

跳转至： GO

更新时间 2023-07-03 21:51:09

本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。

社区圈子

阿里云机器学习平台PAI

阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。

2435+人已加入

加入