分子结构机器学习的keras层
nfp的Python项目详细描述
神经指纹(nfp)
用于分子结构端到端学习的Keras层基于keras、tensorflow和rdkit。研究中使用的源代码Message-passing neural networks for high-throughput polymer screening
相关工作
- Convolutional Networks on Graphs for Learning Molecular Fingerprints
- Neural Message Passing for Quantum Chemistry
- Relational inductive biases, deep learning, and graph networks
- Neural Message Passing with Edge Updates for Predicting Properties of Molecules and Materials
(主要)要求
开始
这个库通过处理分子结构(即基于图形的输入)的附加层来扩展Keras建议您对Keras非常熟悉
有关如何构建模型的概述,请参见examples/solubility_test_graph_output.ipynb
。模型可以选择性地包括三维分子几何;在examples/model_3d_coordinates.ipynb
中可以找到使用三维几何的网络的简单示例。
qm9上当前最先进的体系结构(在[4]中发布)包含在examples/schnet_edgeupdate.py
中。此脚本要求在使用examples/preprocess_qm9.py
计算模型之前运行qm9预处理。