На сайте TechXplore размещен материал, описывающий создание учеными Инженерного колледжа Университета Карнеги-Меллон системы машинного обучения (ML) для быстрого и точного прогнозирования свойств молекул.
В фармакологии существуют миллионы молекул, из которых нужно выбрать несколько для использования в новом лекарстве. Ошибка предсказания в 1% может привести к неправильной идентификации более десяти тысяч молекул.
Ученые разработали систему самоконтролируемого обучения под названием MolCLR, сокращенно от Молекулярного контрастного обучения с помощью графовых нейронных сетей (GNNS).
По словам ученых, их система MolCLR значительно улучшает производительность ML-моделей, используя около 10 миллионов немеченых молекулярных данных. Дело в том, что без таких систем на идентификацию молекул вручную могут уйти десятилетия, поэтому необходимость в более интеллектуальных инструментах машинного обучения становится очевидной.
Эксперты утверждают, что MolCLR обеспечивает эффективный скрининг молекул, а также может быть использован в разработке лекарств, хранении энергии и защите окружающей среды.
