图表示学习是2018年火爆全球的一个深度学习方向,从以 Line, meta-path 等为首的节点表示学习,到以 GCN,GraphSAGE,为首的图卷积方法,在到近期的以 GraphVAE 为首的生成图模型,图表示学习方向的文章如过江之鲫。

VIP内容

药物发现是一个非常漫长和昂贵的过程,开发一种新药平均需要10年以上,花费25亿美元。人工智能有潜力通过从大量生物医学数据中提取证据来显著加快药物发现过程,从而彻底改变整个制药行业。图表示学习技术是机器学习和数据挖掘领域中一个快速发展的主题,专注于图形结构数据的深度学习。由于该领域中的许多数据都是分子和生物医学知识图等图形结构的数据,它为药物发现带来了巨大的机遇。在本次演讲中,我将介绍我们在药物发现的图表示学习方面的最新进展,包括: (1)分子性质预测; (2)从头分子设计与优化; (3)反合成预测。

成为VIP会员查看完整内容
0
21
Top