HyperAIHyperAI

Command Palette

Search for a command to run...

المجمعات متعددة الذرات: تمثيل تعلم مُؤَسَّس على المعلومات الطوبولوجية لأنظمة الذرات

Rahul Khorana Dr. Marcus Noack Dr. Jin Qian

الملخص

تطوير تمثيلات قوية للهياكل الكيميائية التي تمكن النماذج من التعلم على افتراضات استقرائية طوبولوجية هو تحدي كبير. في هذا البحث، نقدم تمثيلاً لأنظمة ذرية. نبدأ باثبات أن تمثيلنا يحقق جميع القيود الهيكلية والهندسية والكفاءة والقابلية للتعميم. بعد ذلك، نقدم خوارزمية عامة لترميز أي نظام ذري. وأخيراً، نبلغ عن أداء مماثل لأحدث الأساليب في العديد من المهام. نحن نجعل جميع الأكواد والمجموعات البيانات متاحة كمصدر مفتوح. يمكن الوصول إلى الأكواد والبيانات عبر الرابط: https://github.com/rahulkhorana/PolyatomicComplexes.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp