ВВЕДЕНИЕ
Кристаллическая структура — это наиболее важные свойства молекулы, определяющие реакции, в которых она участвует, связи, которые она образует, и связи, которые она имеет с различными частицами. Методы регулярного соответствия возрасту ограничивают спланированные вручную энергетические работы с субатомным энергетическим полем, которые часто не всегда связаны с реальной энергетической емкостью пилы частиц в природе. Они производят математически подобранные механизмы адаптации, некоторые из которых совпадают с самыми минимальными энергетическими соответствиями, а другие отличаются. Я предлагаю нейронную организацию условной глубокой генеративной диаграммы, которая учится работать с энергией, напрямую выясняя, как создавать атомарные соответствия, которые сильно велики и должны быть предварительно замечены информационным способом. Этот метод дает множество соответствий, которые в норме, несомненно, должны быть близки к эталонным соответствиям сравнения, чем те, которые получаются при использовании традиционных стратегий силового поля. Стратегия идет в ногу с математическим разнообразием, создавая адаптации, которые не очень похожи и быстрее в вычислительном отношении. Этот метод можно использовать, чтобы дать вводные указания к обычным стратегиям силового поля. В одном из оцененных наборов данных это сочетание позволяет нам объединить лучшие из двух стратегий, давая произведенные адаптации, которые находятся в нормальном соответствии, близком к эталонному, с некоторыми такими же, как эталонные соответствия.
Трехмерные (3-D) направления йот в атоме обычно упоминаются как драгоценная конструкция частицы или податливости. Предприятие, известное как возраст соответствия, по предвидению мыслимых законных направлений частицы имеет важное значение для определения вещества и фактических свойств молекулы. Возраст адаптации также является обязательной частью использования, например, для создания трехмерных количественных соединений действия дизайна (QSAR), виртуального скрининга на основе структуры и отображения фармакофоров. Соответствия могут быть определены в реальных условиях с использованием инструментальных методов, таких как рентгеновская кристаллография, точно так же, как процедуры испытаний. Тем не менее, эти методы обычно утомительны и дороги.
МЕТОД
В течение последних многих лет были созданы различные вычислительные стратегии для адаптационного возраста. Обычно эта проблема решается за счет использования мощности силового поля для вычисления энергии атома и последующего ограничения этой энергии относительно направления частицы. Эта спланированная вручную работа с энергией дает оценку фактической потенциальной энергии частицы в природе, зависящей от йот, безопасности и направлений атома. Основа этой энергетической работы сравнима с самой устойчивой конструкцией атома. Хотя эта методология обычно использовалась для получения математически отличающегося расположения соответствий с конкретными соответствиями, подобными наименьшим энергетическим соответствиям, было показано, что энергетические возможности силового поля атома часто являются неуточненной догадкой о подлинной субатомной энергии.
Мансимов и др. предложить глубокую генеративную диаграмму нейронной организации, которая берет на себя энергетическую работу от информации от начала до конца стиля, производя атомарные адаптации, которые очень хороши и должны быть предварительно замечены. Это завершается усилением вероятности эталонных адаптаций частиц в наборе данных. Лин и др. оценить и сопоставить метод и традиционные стратегии атомного энергетического поля на трех информационных базах маленьких частиц, выяснив среднеквадратичное отклонение (RMSD) между произведенными и эталонными соответствиями. Адаптации, производимые моделью, в норме, несомненно, должны быть близки к эталонному соответствию, в отличие от тех, которые создаются с помощью обычных методов силового поля, т. Е. Колебания RMSD между созданными и эталонными соответствиями ниже для стратегии. Несмотря на меньшую разницу, стратегия не дает математически сопоставимых соответствий. Методология вычислительно быстрее, чем стратегии силового поля.
Обычная методология состоит в том, чтобы охарактеризовать энергетическую работу полуестественно. Утилитарный тип работы с энергией планируется с осторожностью, чтобы объединить различные свойства вещества, в то время как практические границы работы с энергией оцениваются либо расчетным путем, либо ориентировочно. Двумя примерами широко используемых энергетических мощностей являются универсальное силовое поле (UFF) и молекулярное силовое поле Merck (MMFF). Вместо этих стратегий здесь я покажу, как измерить мощность или вероятность передачи непосредственно из информации, используя самые последние методы глубокого обучения.
РЕЗУЛЬТАТ
Набор данных QM9 для подготовки и тестирования предложенной модели. Частицы в наборе данных включают такие компоненты, как C, N, O, F, H, и содержат до 9 тяжелых молекул. Ядерные направления в информационном индексе сначала создаются лежащими в основе декартовыми направлениями разборного атома Корины Smiles. Затем, в этот момент, MOPAC используется для выполнения математической раскрутки на полуэкспериментальной гипотетической степени PM7. Результаты используются для математической раскрутки Gauss B3LYP для получения упорядоченных ядерных направлений. В наборе данных 133885 атомов. После исключения частиц, содержащих неверную информацию, лишние 131 808 атомов используются в качестве информационного набора.
Без достаточного количества нейронных сообщений, передающих авансы, и достаточного количества скрытых единиц организация может объединиться, чтобы создать адаптацию, которая содержит частицы, как правило, вдоль одиночного непрямого измерения, чтобы ограничить аномалии, которые будут сильно наказаны количеством квадратов расстояний слагаемых в работе несчастья. Можно ожидать, что инженерия нейронной организации с большим количеством нейронных сообщений, передающих авансы, и большим количеством скрытых единиц приведет к меньшему количеству традиционалистских адаптаций и достигнет результатов, эквивалентных результатам для QM9. Неравномерность не будет серьезной проблемой для маленьких частиц, но она может привести к искажению исполнения с более крупными атомами. Дальнейшее исследование следует проводить с набором данных о более крупных частицах и их эталонных соответствиях, связанные условия которых неразличимы. Кроме того, позже можно было бы исследовать влияние нейронных структур глубокой генеративной диаграммы на климат.
ССЫЛКИ
· Прогнозирование молекулярной геометрии с использованием нейронной сети с глубоким генеративным графом — https://www.nature.com/articles/s41598-019-56773-5.pdf
· Предсказание молекулярной структуры на основе графовых сверточных сетей — https://arxiv.org/ftp/arxiv/papers/2107/2107.01035.pdf
