Einfache rekurrente neuronale Netzwerke können die Nebenwirkungen von Arzneimittelmolekülen mit hoher Genauigkeit vorhersagen, ohne dabei die Komplexität und den Ressourcenbedarf großer Modelle zu benötigen.
Transformatoren sind leistungsfähige Architekturen, die für die Vorhersage molekularer Eigenschaften eingesetzt werden können. Die Auswahl der Vortrainings-Datensätze, der Tokenisierung und der Vortrainings-Ziele sind wichtige Entscheidungen, die den Erfolg dieser Modelle beeinflussen.
fastprop ist ein QSPR-Framework, das eine hervorragende Genauigkeit auf Datensätzen aller Größen ohne Einbußen bei Geschwindigkeit oder Interpretierbarkeit erreicht.