Graphormer - Microsoft Research

Описание

Graphormer — это сложный пакет глубокого обучения, разработанный для того, чтобы дать исследователям и разработчикам возможность обучать пользовательские модели специально для задач моделирования молекул. Его основная цель — значительно ускорить прогресс и применение в области ИИ для молекулярной науки, охватывая такие критически важные области, как открытие материалов и разработка лекарств.

В настоящее время Graphormer предлагает надежную поддержку для различных задач моделирования молекул, включая молекулярную динамику и прогнозирование свойств. Дорожная карта разработки указывает на будущие расширения, которые будут включать такие важные приложения, как прогнозирование реакций, ретросинтез, генерация молекул и моделирование крупномасштабных молекул, таких как полимеры и белки. Кроме того, он призван улучшить возможности прогнозирования взаимодействия лекарств с белками (DPI) и других важных областей.

Основа Graphormer подробно описана в статье NeurIPS 2021 «Действительно ли трансформеры плохо работают для обучения представлений графов?» Исследование представило Graphormer как первую модель глубокого обучения, построенную на стандартной архитектуре трансформера, которая демонстрирует превосходство над традиционными графовыми нейронными сетями в задачах прогнозирования на уровне графа. Этот инновационный подход привел к значительным достижениям.

Graphormer занял первое место в треке квантовой химии KDD Cup – OGB-LSC, соревновании, посвященном использованию ИИ для прогнозирования квантовых свойств более чем 3,8 миллиона молекул. В этом мероприятии приняли участие более 500 команд, включая крупных игроков отрасли. Совсем недавно Graphormer одержал победу в Open Catalyst Challenge, соревновании, посвященном моделированию систем реакций катализатор-адсорбат с помощью ИИ. Этот конкурс включал моделирование более 0,66 миллиона систем, подчеркивая потенциал Graphormer для продвижения прогресса в области ИИ для открытия материалов и смежных областей.

Расширенные, предварительно обученные версии Graphormer доступны через Azure Quantum Elements, предоставляя исследователям упрощенный путь для использования его возможностей. Проект также поддерживается исчерпывающей документацией и репозиторием GitHub для взаимодействия с сообществом и разработки.

Главное о Graphormer

• Пакет глубокого обучения для моделирования молекул

• Ускоряет ИИ для открытия материалов и лекарств

• Поддерживает симуляции молекулярной динамики

• Обеспечивает прогнозирование свойств молекул

• Архитектура на основе трансформера для обучения представлений графов

• Превосходит традиционные графовые нейронные сети

• Победитель трека квантовой химии KDD Cup – OGB-LSC

• Победитель Open Catalyst Challenge

• Будущая поддержка прогнозирования реакций

• Будущая поддержка ретросинтеза

• Будущая поддержка генерации молекул

• Будущая поддержка крупномасштабного моделирования молекул (полимеры, белки)

• Будущая поддержка прогнозирования взаимодействия лекарств с белками (DPI)

Начало работы с Graphormer

1. 1

   Доступ к модели: Получите доступ к Graphormer через Azure Quantum Elements или его репозиторий с открытым исходным кодом.

2. 2

   Настройка среды: Настройте свою среду разработки с необходимыми фреймворками и библиотеками глубокого обучения.

3. 3

   Интеграция через API: Используйте предоставленные API для интеграции Graphormer в ваши рабочие процессы моделирования молекул.

4. 4

   Обучение пользовательских моделей: Разрабатывайте и обучайте специализированные модели для конкретных задач моделирования молекул.

5. 5

   Оптимизация производительности: Тонко настраивайте параметры и конфигурации модели для повышения точности и эффективности.

6. 6

   Применение в исследованиях: Развертывайте обученные модели для открытия материалов, разработки лекарств и других научных приложений.

Варианты использования Graphormer

• Открытие материалов
• Разработка лекарств
• Молекулярная динамика
• Прогнозирование свойств
• Квантовая химия
• Моделирование катализаторов

Часто задаваемые вопросы Graphormer

• Что такое Graphormer и какова его основная цель?

  Graphormer — это пакет глубокого обучения, предназначенный для задач моделирования молекул, с целью ускорения исследований и применения в области ИИ для молекулярной науки, такой как открытие материалов и разработка лекарств.

• Какие типы задач моделирования молекул в настоящее время поддерживает Graphormer?

  Graphormer в настоящее время поддерживает различные задачи моделирования молекул, включая молекулярную динамику и прогнозирование свойств.

• Какие будущие приложения будет поддерживать Graphormer?

  В ближайшем будущем Graphormer будет поддерживать такие важные приложения, как прогнозирование реакций, ретросинтез, генерация молекул, крупномасштабное моделирование молекул (полимеры, белки) и прогнозирование взаимодействия лекарств с белками (DPI).

• Какова базовая архитектура Graphormer?

  Graphormer построен на стандартной архитектуре трансформера, что делает его первой моделью глубокого обучения такого рода, которая значительно превосходит традиционные графовые нейронные сети в задачах прогнозирования на уровне графа.

• Какие заметные соревнования выиграл Graphormer?

  Graphormer занял первое место в треке квантовой химии KDD Cup – OGB-LSC и в Open Catalyst Challenge.

• Какова была цель трека квантовой химии KDD Cup – OGB-LSC?

  Это соревнование было направлено на использование ИИ для прогнозирования квантовых свойств более чем 3,8 миллиона молекул.

• На чем был сосредоточен Open Catalyst Challenge?

  Open Catalyst Challenge был посвящен моделированию систем реакций катализатор-адсорбат с помощью ИИ, моделируя миллионы систем.

• Где я могу получить доступ к расширенным предварительно обученным версиям Graphormer?

  Расширенные предварительно обученные версии Graphormer доступны исключительно на Azure Quantum Elements.

• Является ли Graphormer проектом с открытым исходным кодом?

  Хотя расширенные версии доступны на Azure Quantum Elements, проект связан с репозиторием GitHub, что предполагает наличие компонентов с открытым исходным кодом или их доступность.

• Кто является целевой аудиторией Graphormer?

  Graphormer предназначен для исследователей и разработчиков, работающих над задачами моделирования молекул в таких областях, как открытие материалов и разработка лекарств.

• Как Graphormer способствует развитию ИИ в молекулярной науке?

  Он ускоряет исследования и применение, предоставляя мощный фреймворк глубокого обучения, который достигает передовых результатов в сложных задачах обучения представлений графов, связанных с молекулярной наукой.