Buchumschlag

Active Causal Learning for Decoding Chemical Complexities with Targeted Interventions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fox, Zachary R., Ghosh, Ayana
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Chemical Physics Data Analysis, Statistics and Probability Biomolecules
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Active Deep Kernel Learning of Molecular Properties: Realizing Dynamic Structural Embeddings
von: Ghosh, Ayana, et al.
Veröffentlicht: (2024)

Mining for Potent Inhibitors through Artificial Intelligence and Physics: A Unified Methodology for Ligand Based and Structure Based Drug Design
von: Li, Jie, et al.
Veröffentlicht: (2021)

Learning protein-ligand unbinding pathways via single-parameter community detection
von: Tänzel, Victor, et al.
Veröffentlicht: (2024)

Phase Transitions in Unsupervised Feature Selection
von: Fiorentino, Jonathan, et al.
Veröffentlicht: (2026)

Calibration in Machine Learning Uncertainty Quantification: beyond consistency to target adaptivity
von: Pernot, Pascal
Veröffentlicht: (2023)

Density Estimation via Binless Multidimensional Integration
von: Carli, Matteo, et al.
Veröffentlicht: (2024)

Nonparametric Reaction Coordinate Optimization with Histories: A Framework for Rare Event Dynamics
von: Banushkina, Polina V., et al.
Veröffentlicht: (2025)

Efficient Exploration of Chemical Kinetics
von: Goswami, Rohit
Veröffentlicht: (2025)

Scalable learning of potentials to predict time-dependent Hartree-Fock dynamics
von: Bhat, Harish S., et al.
Veröffentlicht: (2024)

Coarse-graining conformational dynamics with multi-dimensional generalized Langevin equation: how, when, and why
von: Xie, Pinchen, et al.
Veröffentlicht: (2024)

Transfer Learning across Different Chemical Domains: Virtual Screening of Organic Materials with Deep Learning Models Pretrained on Small Molecule and Chemical Reaction Data
von: Zhang, Chengwei, et al.
Veröffentlicht: (2023)

Bayesian Multistate Bennett Acceptance Ratio Methods
von: Ding, Xinqiang
Veröffentlicht: (2023)

NeuralPLexer3: Accurate Biomolecular Complex Structure Prediction with Flow Models
von: Qiao, Zhuoran, et al.
Veröffentlicht: (2024)

Heron: Visualizing and Controlling Chemical Reaction Explorations and Networks
von: Müller, Charlotte H., et al.
Veröffentlicht: (2024)

Expanding Chemical Representation with k-mers and Fragment-based Fingerprints for Molecular Fingerprinting
von: Ali, Sarwan, et al.
Veröffentlicht: (2024)

Farthest Point Sampling in Property Designated Chemical Feature Space as a General Strategy for Enhancing the Machine Learning Model Performance for Small Scale Chemical Dataset
von: Liu, Yuze, et al.
Veröffentlicht: (2024)

Active Learning of Molecular Data for Task-Specific Objectives
von: Ghosh, Kunal, et al.
Veröffentlicht: (2024)

Bayesian Rate Inference for Sequence Motif Dynamics in Systems of Reactive Nucleic Acids
von: Harth-Kitzerow, Johannes, et al.
Veröffentlicht: (2026)

NEAR: A Training-Free Pre-Estimator of Machine Learning Model Performance
von: Husistein, Raphael T., et al.
Veröffentlicht: (2024)

Bridging Visual Intuition and Chemical Expertise: An Autonomous Analysis Framework for Nonadiabatic Dynamics Simulations via Mentor-Engineer-Student Collaboration
von: Zhu, Yifei, et al.
Veröffentlicht: (2025)

Structural Descriptors and Information Extraction from X-ray Emission Spectra: Aqueous Sulfuric Acid
von: Eronen, E. A., et al.
Veröffentlicht: (2024)

Estimating complete basis set extrapolation error through random walk
von: Lang, Jakub, et al.
Veröffentlicht: (2025)

Sparse Infrared Spectroscopy for Detection of Volatile Organic Compounds
von: Welner, Mira, et al.
Veröffentlicht: (2025)

Augmenting chemical databases for atomistic machine learning by sampling conformational space
von: Vazquez-Salazar, Luis Itza, et al.
Veröffentlicht: (2025)

Confidence Interval and Uncertainty Propagation Analysis of SAFT-type Equations of State
von: Walker, Pierre J., et al.
Veröffentlicht: (2023)

Characterizing Reaction Route Map of Realistic Molecular Reactions based on Weight Rank Clique Filtration of Persistent Homology
von: Murayama, Burai, et al.
Veröffentlicht: (2022)

Application of the Digital Annealer Unit in Optimizing Chemical Reaction Conditions for Enhanced Production Yields
von: Li, Shih-Cheng, et al.
Veröffentlicht: (2024)

De Novo Molecular Design Enabled by Direct Preference Optimization and Curriculum Learning
von: Hou, Junyu
Veröffentlicht: (2025)

Learning Collective Variables with Synthetic Data Augmentation through Physics-Inspired Geodesic Interpolation
von: Yang, Soojung, et al.
Veröffentlicht: (2024)

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)

Nearest neighbor permutation entropy detects phase transitions in complex high-pressure systems
von: Pessa, Arthur A. B., et al.
Veröffentlicht: (2025)

Exact fluctuation relation for open systems beyond the Jarzynski equality
von: Rahbar, Mohammad, et al.
Veröffentlicht: (2025)

Revealing the Relationship Between Publication Bias and Chemical Reactivity with Contrastive Learning
von: Gao, Wenhao, et al.
Veröffentlicht: (2024)

Accelerating Plasmonic Hydrogen Sensors for Inert Gas Environments by Transformer-Based Deep Learning
von: Martvall, Viktor, et al.
Veröffentlicht: (2023)

A Transformer Based Generative Chemical Language AI Model for Structural Elucidation of Organic Compounds
von: Tan, Xiaofeng
Veröffentlicht: (2024)

Accurate estimates of dynamical statistics using memory
von: Lorpaiboon, Chatipat, et al.
Veröffentlicht: (2023)

Superior Polymeric Gas Separation Membrane Designed by Explainable Graph Machine Learning
von: Xu, Jiaxin, et al.
Veröffentlicht: (2024)

RGFN: Synthesizable Molecular Generation Using GFlowNets
von: Koziarski, Michał, et al.
Veröffentlicht: (2024)

Instruction-Based Molecular Graph Generation with Unified Text-Graph Diffusion Model
von: Xiang, Yuran, et al.
Veröffentlicht: (2024)

Physics-informed generative model for drug-like molecule conformers
von: Williams, David C., et al.
Veröffentlicht: (2024)