محققان در یک پژوهش جدید، معماری نوآورانهای برای پیشبینی ویژگیهای مولکولی معرفی کردهاند که با ترکیب سه روش مختلف (هندسه سهبعدی، دستور زبان توپولوژیک و توصیفگرهای فیزیکوشیمیایی) توانسته به دقت بینظیری در پیشبینی انرژی اتمیزاسیون دست پیدا کند.
این مدل که با کمتر از یک میلیون پارامتر آموزش دیده، نه تنها از مدلهای سنگین فعلی سبکتر است، بلکه با حل مشکل «بیشهموارسازی» (Oversmoothing) در شبکههای عصبی گراف، گام بزرگی برای کشف داروها و مواد جدید برداشته است. آینده شیمی با هوش مصنوعی بسیار سریعتر از قبل در حال شکلگیری است! 🧪✨
های_عصبی
منبع: arXiv Machine Learning