IA y aprendizaje automático

Mejore la precisión de las predicciones

Los datos, los descriptores y los algoritmos desempeñan un papel fundamental en el aprendizaje automático y se deben optimizar con cuidado para maximizar la precisión de las predicciones.

Descubra nueva química

Los modelos no pueden predecir lo que no han visto antes. La diversidad y la representación de los datos, incluso en subespacios poco poblados, permite realizar predicciones más novedosas.

Busque puntos de partida más viables

Identifique moléculas iniciales y dianas más prometedoras para reducir la necesidad de realizar ensayos y experimentos prescindibles y mejorar la eficiencia de la I+D.

La representación molecular es la parte más importante de la IA. Si se hace mal, la partida está perdida de antemano. Es incluso más importante que el algoritmo.

Dr. Jürgen Cox

Profesor

Instituto de Bioquímica Max Planck

Soluciones personalizadas para la optimización del flujo de trabajo

CAS colabora con oficinas de patentes y organizaciones dedicadas a la investigación de todo el mundo para desarrollar innovaciones personalizadas del flujo de trabajo adaptadas a sus objetivos estratégicos que impulsen sus misiones fundamentales.

Más información

La desformulación química predictiva invierte el reto de la formulación

La desformulación es el proceso de ingeniería inversa que permite determinar la composición exacta de formulaciones conocidas. Descubra el valor de las representaciones coherentes y con un alto nivel de estructuración en los modelos predictivos.

Leer el artículo de CAS Insights

photo of bottles depicting cosmetic formulations

Predecir la nueva química

Los científicos de Bayer incrementaron la precisión de sus predicciones en 32 puntos porcentuales con los datos seleccionados por científicos que suministra CAS. Una mayor capacidad predictiva en clases de reacciones poco frecuentes permite obtener resultados novedosos y útiles que pueden abrir nuevos caminos en áreas complejas de la ciencia.

Descargar el informe técnico

ICL descubre nuevos usos para los compuestos de los residuos

“Era esencial que la IA pudiera vincular de un modo eficiente los compuestos objetivo con aplicaciones conocidas en los datos”.

Aviad Karniel, director de operaciones

Planta central de I+D, ICL

Leer el caso práctico de ICL

Impacto de la calidad de los datos en los resultados del aprendizaje automático

Consulte este estudio cuantitativo realizado por los científicos de datos de CAS para ver cómo una simple mejora de la calidad de los datos de entrada, sin cambiar el algoritmo, influye en la precisión de la predicción de un algoritmo diseñado para evaluar la actividad biológica de los compuestos en relación con diferentes objetivos.

Descargar el caso práctico

“Es evidente que existen más y mejores datos.

Lo que no es evidente es cómo se interpretan los datos. La codificación requiere un conocimiento experto en química. Los descriptores de CAS obtienen mejores resultados gracias a la experiencia de sus científicos”.

Dr. Alpha Lee, cofundador/director científico

PostEra