Глубокое обучение для квантовой химии. Часть II. Предсказание электронной плотности
Всем привет! На связи снова Константин Ушенин из AIRI, и мы продолжаем говорить о глубоком обучении в квантовой химии. В прошлом посте мы немного разобрались в том, что такое молекула, как её представлять в компьютере, и как работают графовые нейронные сети.В этот же раз я расскажу о том, какие результаты в этой области получила наша команда. Речь пойдет о новой архитектуре для предсказания электронной плотности LAGNet, про которую у нас недавно вышла статья в Journal of Cheminformatics
Учёные из Airi представили нейросеть LAGNet, ускоряющую расчёт электронной плотности для разработки лекарств
Учёные из Института AIRI разработали нейросеть LAGNet. Она помогает быстрее рассчитывать электронную плотность молекул. LAGNet могут использовать фармацевты и химики при создании лекарств.Электронная плотность показывает, как электроны распределяются в молекуле. Обычные методы считают её от 2 часов до 2 дней. Нейросети делают это за 5–6 секунд, но требуют много данных для обучения. Например, для 12 миллионов молекул нужно около 100 терабайт.
