文献总结|可以同时完成分子语言序列回归和生成的 Regression Transformer

本文介绍于 2023 年 IBM 研究团队发表在 Nature Machine Intelligence 上的一篇文章,文章原标题为 Regression Transformer enables concurrent sequence regression and generation for molecular language modelling,文章提出了一种可以同时处理序列中的数值与文本并完成回归与生成的多任务的 Transformer 模型。

旧书市场淘书记

不得不说,在北方诸多城市中,天津的二手旧物市场可以说是相当火热的。我猜测的原因有二,一则是天津的老龄人口占比多,古玩旧物收藏有很大的受众;二则是得益于近代天津经济、文化的繁荣,许多官商士绅定居在此,天津民间仍流通有十分 …

文献总结|对编码器-解码器模型学习过程中化学结构识别的研究

本文介绍于 2023 年东京大学发表在 Journal of Cheminformatics 上的一篇文章,文章原标题为 Investigation of chemical structure recognition by encoder–decoder models in learning progress,文章,文章研究了编码器-解码器模型训练过程中对化学结构识别的过程以及将其潜变量作为分子表示用于下游任务的效果。

文献总结|我们能用 Transformer 模型快速学会「翻译」活性分子吗?

本文介绍于 2023 年发表在 Journal of Chemical Information and Modeling 上的一篇文章,文章原标题为 Can We Quickly Learn to “Translate” Bioactive Molecules with Transformer Models? 文章使用 MMP 数据训练 Transformer,使其生成具有活性的分子,文章结果表明 Transformer 对于未知靶点也能生成活性分子。

津城海棠

五大道的海棠花开了,天津又到了最美的时候。 几年前初到天津时,给我印象最深刻的就是城中随处可见的海棠花。天津遍植海棠,却不是密密地栽种为若干排。而是漫步在街头时,走过几个街道,转过几个巷口,蓦地发现几枝洁白而间杂洋红的海 …

文献总结|使用上下文增强的分子表示提升少样本药物发现的效果

本文介绍于 2023 年发表在 ICLR 2023 上的一篇文章,文章原标题为 Context-enriched molecule representations improve few-shot drug discovery,文章介绍了一种可以用于药物发现的少样本学习模型 MHNfs,MHNfs 通过 Hopfield 网络用上下文数据集少样本的强化分子表示,提升了分子性质预测的准确度。

从零起步的 Transformer 与代码拆解

自 Google 的论文 Attention Is All You Need 发布后,几年内涌现了大量基于 Transformer 的模型,俨然形成了 Transformer 横扫人工智能领域的态势。 网络上也出现了大量解读论文或是讲解 Transformer 的文章,其中也不乏许多高水平人工智能从业者的解读。虽然有些可以称得上是高屋建瓴,但 …

文献总结|药物发现中的匹配分子对分析:方法与当前应用

本文介绍 2023 年由曹东升与侯廷军研究团队发表在 Journal of Medicinal Chemistry 上的一篇展望,文章原标题为 Matched Molecular Pair Analysis in Drug Discovery: Methods and Recent Applications,文章介绍了主要介绍了匹配分子对分析的理论与目前基于匹配分子对分析的实际应用。

我的 2023 年春播计划

过了惊蛰之后,万物萌动,看到园林工人正在整饬路旁的花圃,我的心里也跟着躁动起来,想着非要在阳台上种点什么才好,于是在一番调查与纠结之后确定了这篇春播计划。