weixin_41091044的博客

文献阅读：Graph Networks as a Universal Machine Learning Framework for Molecules and Crystals文章链接：https://doi.org/10.1021/acs.chemmater.9b01294.这篇文章提出了一种通用材料图网络（MEGNet）模型，用于分子和晶体的准确性能预测。两种策略来解决数据限制：1）将4个独立的分子MEGNet模型统一为一个单个自由能MEGNet模型。2）从大数据集进行迁移学习。...

MoleculeNet这是2018年斯坦福大学Vijay Pande组的文章。背景：数据驱动分析成为许多化学合成物应用的常规步骤。问题：标准评价平台的缺失限制了发展。挑战：数据少，要预测很广泛的性能，分子要转化成一个固定维度的表达(输入分子结构的heterogeneity异质性)，合适的学习算法。目标：收集数据集，创建软件来实现分子特征化的现有方法；实现已提出算法的高质量复现。意义：更好的发展和提高学习分子性能模型。Methods基于开源包DeepChemDatasets按照性能分为四