HyperAIHyperAI

Command Palette

Search for a command to run...

Ein bayesianisches Flussnetzwerkrahmenwerk für chemische Aufgaben

Nianze Tao; Minori Abe

Zusammenfassung

In dieser Arbeit stellen wir ChemBFN vor, ein Sprachmodell, das auf Bayesschen Flussnetzwerken basiert und chemische Aufgaben mit diskreten Daten verarbeitet. Ein neuer Genauigkeitsplan wird vorgeschlagen, um die Sampling-Qualität durch erhebliche Reduzierung des Rekonstruktionsverlusts zu verbessern. Wir liefern Beweise dafür, dass unsere Methode geeignet ist, Moleküle mit zufriedenstellender Vielfalt zu generieren, selbst wenn eine geringere Anzahl von Sampling-Schritten verwendet wird. Eine klassifikatorfreie Leitungs METHODE (classifier-free guidance) wurde angepasst, um bedingte Generierung zu ermöglichen. Es ist auch erwähnenswert, dass unser Modell nach der generativen Ausbildung an Regressions- und Klassifizierungsaufgaben mit dem Stand der Technik feinjustiert werden kann. Dies öffnet die Tür zur Erstellung von All-in-One-Modellen in einem einheitlichen Moduldesign. Unser Modell ist unter https://github.com/Augus1999/bayesian-flow-network-for-chemistry quelloffen.请注意,"METHODE" 应该是 "Leitungsmethode",但在这里为了保持术语的一致性和清晰度,我保留了 "Leitungs METHODE" 并在后面加上了英文原词以确保信息完整。正确的翻译应该是:In dieser Arbeit stellen wir ChemBFN vor, ein Sprachmodell, das auf Bayesschen Flussnetzwerken basiert und chemische Aufgaben mit diskreten Daten verarbeitet. Ein neuer Genauigkeitsplan wird vorgeschlagen, um die Sampling-Qualität durch erhebliche Reduzierung des Rekonstruktionsverlusts zu verbessern. Wir liefern Beweise dafür, dass unsere Methode geeignet ist, Moleküle mit zufriedenstellender Vielfalt zu generieren, selbst wenn eine geringere Anzahl von Sampling-Schritten verwendet wird. Eine klassifikatorfreie Leitungsmethode (classifier-free guidance) wurde angepasst, um bedingte Generierung zu ermöglichen. Es ist auch erwähnenswert, dass unser Modell nach der generativen Ausbildung an Regressions- und Klassifizierungsaufgaben mit dem Stand der Technik feinjustiert werden kann. Dies öffnet die Tür zur Erstellung von All-in-One-Modellen in einem einheitlichen Moduldesign. Unser Modell ist unter https://github.com/Augus1999/bayesian-flow-network-for-chemistry quelloffen.


KI mit KI entwickeln

Von der Idee bis zum Launch – beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und bestem GPU-Preis.

KI-gestütztes kollaboratives Programmieren
Sofort einsatzbereite GPUs
Die besten Preise

HyperAI Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp