AI小分子藥物發現的「百科全書」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊

AIGC動態歡迎閱讀

原標題：AI小分子藥物發現的「百科全書」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊
關鍵字：分子,模型,藥物,報告,表示
文章來源：機器之心
內容字數：0字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊作者|康奈爾大學杜沅豈
編輯 | ScienceAI
隨著 AI for Science 受到越來越多的關注，人們更加關心 AI 如何解決一系列科學問題并且可以被成功借鑒到其他相近的領域。
AI 與小分子藥物發現是其中一個非常有代表性和很早被探索的領域。分子發現是一個非常困難的組合優化問題（由于分子結構的離散性）并且搜索空間非常龐大與崎嶇，同時驗證搜索到的分子屬性又十分困難，通常需要昂貴的實驗，至少是至少是模擬計算、量子化學的方法來提供反饋。
隨著機器學習的高速發展和得益于早期的探索（包括構建了簡單可用的優化目標與效果衡量方法），大量的算法被研發，包括組合優化，搜索，采樣算法（遺傳算法、蒙特卡洛樹搜索、強化學習、生成流模型/GFlowNet，馬爾可夫鏈蒙特卡洛等），與連續優化算法，貝葉斯優化，基于梯度的優化等。同時現有較為完備的算法衡量基準，比較客觀公平的比較方式，也為開發機器學習算法開拓了廣闊的空間。
近日，康奈爾大學、劍橋大學和洛桑聯邦理工學院（EPFL）的研究人員在《Nature Machin

原文鏈接：AI小分子藥物發現的「百科全書」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺