我们提供必要的数据、见解和技术,以加速药物发现,推动材料创新,并寻找更可行的起点。
人工智能与机器学习
我们提供必要的数据、见解和技术,以加速药物发现,推动材料创新,并寻找更可行的起点。

提高预测准确性
数据、描述符和算法都在机器学习中发挥着关键作用,必须仔细优化以最大限度地提高预测准确性。
发现新化学
模型无法预测他们从未见过东西。 数据的多样性和表述方式,弥补了数据匮乏的缺点,也能提供更多新颖的预测结果。
找到更可行的起点
确定更有希望的线索和目标,减少不必要的试验和实验,以提高研发效率。
分子表达方式是人工智能最重要的组成部分。 当你发现错误的时候,则说明从一开始就没有选择对的起点。 这甚至比算法更重要。
Jürgen Cox 博士教授德国马克斯普朗克生化研究所
资源

为创新型 AI 设定标引训练

让化学家参与其中,以优化机器学习

数据质量:人工智能与机器学习的秘诀

数据建模 — 人工智能的基本支柱

利用机器学习加速材料科学创新
