【KDD2023教程】几何图生成建模的药物发现数据派THU关注共 824字,需浏览 2分钟 ·2023-09-20 03:33 来源:专知 本文为教程介绍,建议阅读5分钟 在本教程中,我们将向参与者介绍这一领域的最新重要发展,涵盖重要主题,包括2D分子图生成、3D分子几何生成、2D图到3D几何生成以及有条件的3D分子几何生成。 随着几何深度学习、生成建模的最新进展以及大规模生物数据集的可用性,分子图形和几何生成建模已经成为科学发现的一个高度有前景的方向,例如药物设计。这些生成方法使得有效的化学空间探索和潜在药物候选物生成成为可能。然而,通过将分子表示为2D图形或3D几何体,存在着许多既基础又具有挑战性的问题,用于建模这些不规则且复杂的关联数据分布。在本教程中,我们将向参与者介绍这一领域的最新重要发展,涵盖重要主题,包括2D分子图生成、3D分子几何生成、2D图到3D几何生成以及有条件的3D分子几何生成。我们还包括抗体生成,特别考虑了大尺寸抗体分子。对于每个主题,我们将概述潜在问题特征,总结主要挑战,呈现代表性方法的统一观点,并强调未来研究方向和潜在影响。我们预计这个教程将吸引广泛的研究人员和从业者参与。 https://sites.google.com/view/g3d2 讲者: 浏览 160点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 药物发现《药物发现:从病床到华尔街(中文版)》意在向众人打开制药行业的门窗,运用药物研发过程中真实的实例来解药物发现药物发现0GNN如何发现新药?MIT博士论文《分子图表示学习与生成的药物发现》数据派THU0微分几何教程Upon David Hoffman fell the difficult task of tran微分几何教程微分几何教程0【干货书】深度学习生命科学:药物发现与药物发现数据派THU0【ICML2024】双曲几何潜在扩散模型用于图生成来源:专知本文为论文介绍,建议阅读5分钟我们提出了一种新颖的几何潜在扩散框架 HypDiff。扩散模型在计算机视觉领域取得了重大进展,最近在社区内引发了对其在图生成中的应用的广泛兴趣。现有的离散图扩散模型表现出较高的计算复杂性和较低的训练效率。直接在潜在空间中扩散图是一种更优越且自然的方式。然而,由转换生成语法教程转换生成语法教程0转换生成语法教程《转换生成语法教程》内容简介:Andrew Radford's new textbook is pr微分几何与拓扑学简明教程微分几何与拓扑学简明教程0点赞 评论 收藏 分享 手机扫一扫分享分享 举报