Learning the language of molecules to predict their properties

Investigadores del MIT han presentado un marco unificado de aprendizaje automático que mejora significativamente la eficiencia en la predicción de propiedades moleculares y en la generación de nuevas moléculas. Al aprender una "gramática molecular" —un conjunto de reglas de producción que determinan cómo se combinan los bloques de construcción atómicos—, el sistema logra una comprensión subyacente de las similitudes estructurales. Esto le permite predecir con precisión las propiedades biológicas y mecánicas, mientras diseña simultáneamente estructuras moleculares viables, superando la limitación común de requerir conjuntos de datos de entrenamiento masivos y costosos. Este enfoque demuestra una notable eficiencia en el uso de datos, superando a los modelos existentes de aprendizaje profundo incluso cuando se entrena con menos de cien muestras. Los métodos tradicionales a menudo dependen de un preentrenamiento costoso en conjuntos de datos generales o requieren millones de ejemplos etiquetados, lo que conduce a un rendimiento deficiente en dominios específicos. En cambio, este método jerárquico basado en gramática evita el preentrenamiento extenso y aprovecha el aprendizaje por refuerzo para adaptarse rápidamente a conjuntos de datos pequeños y específicos del dominio, obteniendo resultados comparables a los de métodos entrenados con corpus mucho más grandes. Esta investigación es altamente relevante para el concepto de open_data, ya que desafía la suposición predominante de que el alto rendimiento de la IA requiere conjuntos de datos masivos y cuidadosamente curados. Ilustra cómo las representaciones de conocimiento estructuradas e interpretables pueden democratizar el acceso a la modelización científica avanzada al reducir la barrera de entrada en cuanto al volumen de datos. Además, el potencial de esta representación basada en gramática para aplicarse a otros datos en forma de gráfico destaca la utilidad más amplia de los marcos de aprendizaje automático abiertos y eficientes para acelerar el descubrimiento en diversos campos científicos más allá de la química.

Fuente: sciencedaily.com
Publicado el 2023-07-09

Learning the language of molecules to predict their properties

Noticias relacionadas