跳到正文
事件持续更新

提出条件扩散分子性质预测模块

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Julien Horwood 等提出一种面向分子性质预测的条件扩散模块:它基于分数生成扩散模型,配备联合训练与采样引导,并可选门控残差,能插入现有分子编码器。研究称,该模块在小分子回归基准上优于最大似然目标,在多任务回归与分类上持平或超过强基线。 该模块还能给出校准不确定性、支持置信度排序,并在活性悬崖与类别不平衡的多任务预测中表现良好。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. Nature Communications
    基于分数的扩散模型改进分子性质预测

    研究提出一种面向分子性质预测的条件扩散模块,基于分数生成扩散模型,并配备联合训练与采样引导及可选门控残差机制。该模块可插入现有分子编码器,在小分子回归基准上优于最大似然目标,在多任务回归与分类上持平或超过强基线,还能给出校准不确定性、支持置信度排序并在活性悬崖与类别不平衡多任务预测中表现良好。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。