07.12.2023, 14:00 Uhr
Universität Wien
Besprechungsraum 6.35
Währinger Str. 29
1090 Wien
Titel: „Learning with Reduced Molecular Graphsª
Kurzfassung:
Diese Arbeit befasst sich mit dem Einsatz von Techniken des maschinelles Lernens in
der Arzneimittelforschung, insbesondere mit der Anwendung graphbasierter Techniken
zur Vorhersage der Eigenschaften von Molekülen. Graph Neuronale Netze haben sich in
diesem Bereich zwar als vielversprechend erwiesen, stehen aber vor der Herausforderung,
zwischen verschiedenen Molekülarten zu unterscheiden. Eine Lösung für dieses Problem
ist das hierarchische Inter-Message-Passing-Schema, das mit mehreren Repräsentationen
des selben Graphen arbeitet und die Aggregation von Informationen über sie hinweg
ermöglicht.
Die Arbeit stellt eine Graphlernmethode vor, die auf dem hierarchischen Inter-Message-
Passing-Schema basiert. Unser Ansatz nutzt reduzierte Graphrepräsentationen, einschließlich
des Extended Reduced Graphs und des Feature Trees, zusätzlich zum ursprünglichen
Molekülgraphen. Dies ermöglicht ein umfassenderes Verständnis der molekularen Struktur.
Experimentelle Ergebnisse anhand von Benchmark-Datensätzen zeigen die Überlegenheit
des entwickelten Modells gegenüber bestehenden Ansätzen und modernen Techniken.
Diese Arbeit trägt zur Weiterentwicklung des Fachgebiets bei, indem sie ein
leistungsstarkes Modell zur präzisen Vorhersage von molekularen Eigenschaften in der
Arzneimittelforschung bereitstellt und Auswirkungen auf die Beschleunigung des Arzneimittelentdeckungsprozesses
hat.