详细内容或原文请订阅后点击阅览
俄罗斯科学家开发机器学习算法来预测化合物的分子特性
年轻的 TPU 科学家 Boris Pyakilla 正在致力于创建一种机器学习算法，能够构建预测小型有机化合物分子特性的模型。它基于人工智能方法和概率论贝叶斯方法的集成。未来，该算法可用于开发药物和农业农药。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）年轻的 TPU 科学家 Boris Pyakilla 正在致力于创建一种机器学习算法，能够构建预测小型有机化合物分子特性的模型。它基于人工智能方法和概率论贝叶斯方法的集成。未来，该算法可用于开发药物和农业农药。
科学家们提出了一种机器学习算法，其结果是一个预测亲脂性的模型——亲脂性是一种物质的特性，表征其对有机物质的化学亲和力。所得模型能够考虑由于缺乏训练数据而可能导致的预测不确定性。
“由于大量与分子特性评估相关的项目的出现以及化学实验数据的增长，这项工作具有相关性。关于预测的不确定性及其可能分散的程度的信息对于化学和生物实验室以及科学研究机构的用户来说极其重要，”这位年轻科学家解释道。
开发的算法基于贝叶斯机器学习 - 该部分直接处理不确定性，不仅可以准确估计结果模型的参数，还可以估计它们的分布。
“许多研究所和制药公司正在开展类似的工作。我们算法的独特性在于其计算方面：构建预测模型的速度、亲脂性预测的高质量、考虑由于缺乏训练数据或低质量而导致的预测不确定性的能力。”鲍里斯·皮亚基拉.
未来，该算法可用于涉及药品或农产品（特别是农药）开发的公司和实验室。