Leistungsfähigkeit von Großsprachmodellen in der Chemie: Eine systematische Bewertung
Großsprachmodelle zeigen bemerkenswerte Leistungen in chemischen Aufgaben, haben aber auch erhebliche Einschränkungen, insbesondere bei Fragen zur Chemiesicherheit.
Generierung von 3D-Molekülen durch Rauschunterdrückung von Voxelgittern
Neuer Ansatz zur Generierung von 3D-Molekülen durch den Einsatz von Voxelgittern und Rauschunterdrückung.
Analyse von extremalen chemischen Graphen für den arithmetisch-geometrischen Index
Extremale chemische Graphen haben spezifische Eigenschaften und Werte für den arithmetisch-geometrischen Index.
Vorhersage der Löslichkeit von kleinen Molekülen auf Endgeräten mithilfe von Deep Ensemble Neural Networks
Data-driven Ansätze verbessern die Vorhersage der Löslichkeit von Molekülen und ermöglichen die Nutzung auf Endgeräten.
Brückenschlag zwischen chemischer Reaktionsvorbereitung und bedingter Molekülerzeugung mit einem vereinheitlichten Modell
Ein vereinheitlichtes Modell zur effizienten Erfassung chemischer Reaktionen und Molekülerzeugung.
Die reaktiven xxMD-Datensätze jenseits von MD17
Die xxMD-Datensätze bieten eine umfassende Darstellung des Konfigurationsraums und stellen eine Herausforderung für die Entwicklung von NFF-Modellen dar.
Prognose der temperaturabhängigen CMC von Tensiden mit Graph-Neuralen Netzwerken
Entwicklung eines GNN-Modells zur Vorhersage der temperaturabhängigen CMC von Tensiden.
MolNexTR: Ein generalisiertes Deep Learning-Modell für die molekulare Bilderkennung
MolNexTR ist ein innovatives Deep Learning-Modell, das komplexe molekulare Bilder in Graphenstrukturen umwandelt und eine hohe Genauigkeit bei der molekularen Strukturerkennung aufweist.
Optimierung von Molekülen in 3D: Ein flexibles Substruktur-bewusstes Rahmenwerk für textorientierte molekulare Optimierung
Innovative 3DToMolo-Methode revolutioniert die molekulare Gestaltung durch Multi-Modalitätsführung.
Transfer Learning für die virtuelle Screening von organischen Materialien
Die Studie zeigt die Wirksamkeit von Transfer Learning über verschiedene chemische Domänen hinweg für das effiziente virtuelle Screening von organischen Materialien.
© 2024 by Linnk AI