直播预告：Graph Representation Learning for Drug Discovery

AI TIME PhD

《Graph Representation Learning for Drug Discovery》    

2020年9月4日 19:30-20:30

划重点

！

直播通道:

哔哩哔哩直播通道

扫码或点击链接

关注AITIME哔哩哔哩官方账号

观看直播

链接：https://live.bilibili.com/21813994

直播时间：

2020年9月4日 19:30-20:30

报告题目：

Graph Representation Learning for Drug Discovery

发现一种可以治愈人类某种疾病的新药，特别是要将这款新药推向市场，是一个漫长且昂贵的过程，估计需要 10 年以上的时间，平均耗费为 25 亿美元。

最近几十年以来，科学家们一直在寻求通过现代计算技术来辅助新药发现的过程， 特别是人工智能和深度学习在这个领域得到了越来越多的关注。

本报告汇报了他们在新药发现领域的两个工作：

（1）他们提出了一个基于自回归流模型的分子图生成模型 GraphAF。

实验结果表明，GraphAF可以生成真实、新颖、独特且多样的分子，而且所有生成的分子在化学意义上都是合理的，在分子性质优化任务上也取得了最好的效果。

（2）他们提出了可以预测分子逆合成路线的模型G2Gs。

G2Gs不依赖任何反应模版并且也不依赖子图同构。它通过一系列图变换，将产物分子转换(或称为翻译)到反应物分子。实验结果表明，G2Gs的性能远优于不依赖反应模版的方法，它的性能与基于模版的方法相近，但是它不依赖领域知识和子图同构，且具有更好的可扩展性。

嘉宾简介：

史晨策，First-year master student at MILA, 导师为唐建教授。主要研究方向为图表示学习，已在相关领域的国际会议如ICLR，ICML等发表论文。

直播结束后我们会邀请讲者在微信群中与大家答疑交流，请添加“AI TIME小助手（微信号：AITIME_HY）”,回复“phd”，将拉您进“AI TIME PhD交流群-1”！

AI TIME微信小助手

主       办：AI TIME

联合支持：中国工程院知领直播、学堂在线、CSDN

公益合作：智谱·AI、学术头条、biendata、大数据文摘、数据派、AI科技评论、 Ever链动、机器学习算法与自然语言处理

清华情怀·AITIME基地

1911主题餐厅

待疫情结束，AI TIME期待与您线下相聚！

AI Time欢迎AI领域学者投稿，期待大家剖析学科历史发展和前沿技术。针对热门话题，我们将邀请专家一起论道。同时，我们也长期招募优质的撰稿人，顶级的平台需要顶级的你，请将简历等信息发至[email protected]！

微信联系:AITIME_HY

 

AI Time是清华大学计算机系一群关注人工智能发展，并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索，加强思想碰撞，打造一个知识分享的聚集地。

更多资讯请扫码关注