-
【GNN报告】加拿大蒙特利尔唐建：Geometric Deep Learning For Drug Discovery
1、简介
报告嘉宾：唐建（加拿大蒙特利尔算法研究院，加拿大蒙特利尔大学商学院）
报告题目：Geometric Deep Learning For Drug Discovery
报告摘要
报告人简介
唐建博士，现任加拿大蒙特利尔学习算法研究所 (Mila) 以及蒙特利尔大学商学院副教授，加拿大人工智能研究主席（CIFAR AI Research Chair）；主要研究方向为图表示学习、图神经网络，生成模型、知识图谱，和药物发现。他曾获得 ICML2014最佳论文奖， WWW2016最佳论文提名，Amazon及腾讯教师研究奖等。他是图表示学习领域的代表性人物，发表了图表示学习领域一系列代表性的工作如 LINE、LargeVis、RotatE 等，多次担任 NeurIPS，ICML领域主席。他的团队近期开源了基于机器学习的药物研发系统，受到广泛关注。个人主页：https://www.jian-tang.com/
2、图几何学习与药物发现
药物学习背景
学习过程
存在问题
分子性质预测任务
工具
方法 InfoGraph
实验结果
分子设计与优化任务
GraphAF方法
动机
实验结果
Retrosynthesis预测任务
G2Gs方法
实验结果
Going Beyond 2D Graphs: 3D Structures
Reasoning on Knowledge Graphs
小结
3、参考
中科大×LOGS || 加拿大蒙特利尔唐建：图几何学习与药物发现_哔哩哔哩_bilibili
中科大×LOGS|| 加拿大蒙特利尔唐建：图几何学习与药物发现
-
相关阅读:
搭建vue3源码学习环境
Multisim14.0仿真（二十八）74LS13 施密特触发器
CSS变量之var()函数的应用——动态修改样式 & root的使用
Nodejs+vue+Elementui课程教学网站系统
应用程序出现了未经处理的异常
嵌入式Linux入门-输入系统应用编程（鼠标、键盘、触摸屏）
git diff 命令
数论分块
python笔记二【string】
1.3 统计学习方法的三要素
- 原文地址：https://blog.csdn.net/lj2048/article/details/126014887