IA e aprendizado de máquina

Aumente a exatidão da previsão

Dados, descritores e algoritmos desempenham um papel fundamental no aprendizado de máquina e devem ser otimizados cuidadosamente para maximizar a precisão da previsão.

Descubra a nova química

Os modelos não podem prever o que não viram. A diversidade e a representação de dados, mesmo em subespaços escassamente povoados, permitem previsões mais inovadoras.

Encontre pontos de partida mais viáveis

Identifique leads e alvos mais promissores para reduzir a necessidade de fazer testes e experimentos desnecessários, utilizados para melhorar a eficiência de P&D.

A representação molecular é a parte mais importante da IA. Se errar, está perdido desde o início. Ela é ainda mais importante que o algoritmo.

Jürgen Cox, Ph.D.

Professor

Instituto de Bioquímica Max Planck

Prevendo a nova química

Os cientistas da Bayer aumentaram a precisão das previsões em 32% com dados do CAS organizados pela curadoria de cientistas. O poder preditivo aprimorado em classes de reação raras contribui com resultados novos e úteis para abrir áreas difíceis da ciência.

Baixar informe técnico

ICL descobre novos usos para compostos de resíduos

“Era mandatório que a IA pudesse vincular de forma eficiente nossos compostos-alvo a aplicações conhecidas nos dados.”

Aviad Karniel; Gerente de operações

Unidade de P&D Central, ICL

Leia o Estudo de caso da ICL

O impacto da qualidade de dados nos resultados do aprendizado de máquina

Veja como apenas aumentar a qualidade da entrada de dados, sem mudar o algoritmo, afeta o rigor da previsão de um algoritmo desenvolvido para avaliar a atividade biológica de componentes em relação a diferentes alvos neste estudo quantitativo feito por cientistas de dados do CAS.

Baixe o estudo de caso

“Mais dados e de melhor qualidade são óbvios.

O que faz a diferença é como eles são interpretados. A codificação requer conhecimento químico especializado.Os descritores do CAS obtêm melhores resultados devido à experiência de seus cientistas”.

Dr. Alpha Lee, Cofundador/Diretor Científico

PostEra