TorchDrug: Python-библиотека для разработки лекарств с помощью глубоких нейронных сетей |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-08-22 12:09 Группа учёных из канадского научно-исследовательского института MILA недавно выложила в открытый доступ библиотеку TorchDrug. По задумке авторов, целевая аудитория этого инструмента - специалисты в области машинного обучения, которые хотят быстро накидать модельку-другую с прицелом на разработку новых лекарственных молекул. Авторы отмечают следующие достоинства своего инструмента: - Не требует специальных знаний в области химии - Предоставляет заранее подготовленные наборы данных для обучения и бенчмаркинга моделей - Даёт в распоряжение пользователя заранее написанные строительные блоки сложных нейросетей (по сути, готовые слои), из которых, как из кубиков Лего, можно собрать свою кастомную модель - Предоставляет возможность легко раскидывать вычисления между любым количеством CPU и GPU. На данный момент, TorchDrug можно использовать для предсказания свойств молекул (QSAR), извлечения молекулярных представлений (эмбеддингов), де ново дизайна и оптимизации молекул, работы с химическими реакциями и ретросинтезом, а также заполнением пропущенных связей между узлами заданного биомедицинского графа (Biomedical Knowledge Graph Reasoning). В скором времени обещают добавить поддержку извлечения эмбеддингов не только малых молекул, но и белков (Protein Representation Learning). Код, туториалы и документацию TorchDrug можно найти по адресу https://torchdrug.ai/ . Источник: torchdrug.ai Комментарии: |
|