Weiter zum Inhalt
Universidad del Mar SIBUMAR Descubridor Institucional UMAR
  • Inicio
  • Búsqueda avanzada
  • Explorar
  • Login
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Erweitert
  • Many-Shot In-Context Learning for Molecular Inverse Design
Buchumschlag

Many-Shot In-Context Learning for Molecular Inverse Design

Fuente: arXiv
Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Moayedpour, Saeed, Corrochano-Navarro, Alejandro, Sahneh, Faryad, Noroozizadeh, Shahriar, Koetter, Alexander, Vymetal, Jiri, Kogler-Anele, Lorenzo, Mas, Pablo, Jangjou, Yasser, Li, Sizhen, Bailey, Michael, Bianciotto, Marc, Matter, Hans, Grebner, Christoph, Hessler, Gerhard, Bar-Joseph, Ziv, Jager, Sven
Format: Preprint
Veröffentlicht: 2024
Schlagworte:
Computation and Language
Artificial Intelligence
Online-Zugang:
Acceder al recurso
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
  • Zitieren
  • SMS versenden
  • Als E-Mail versenden
  • Drucken
  • Datensatz exportieren
    • Exportieren nach RefWorks
    • Exportieren nach EndNoteWeb
    • Exportieren nach EndNote
  • Zu den Favoriten
  • Persistenter Link
  • Exemplare
  • Beschreibung
  • Kommentare
  • Ähnliche Einträge
  • Internformat
Schreiben Sie den ersten Kommentar!
Bitte loggen Sie sich zuerst ein

Ähnliche Einträge

  • Distilling and exploiting quantitative insights from Large Language Models for enhanced Bayesian optimization of chemical reactions
    von: Patel, Roshan, et al.
    Veröffentlicht: (2025)
  • Solvaformer: an SE(3)-equivariant graph transformer for small molecule solubility prediction
    von: Broadbent, Jonathan, et al.
    Veröffentlicht: (2025)
  • FastGEMF: Scalable High-Speed Simulation of Stochastic Spreading Processes over Complex Multilayer Networks
    von: Samaei, Mohammad Hossein, et al.
    Veröffentlicht: (2024)
  • Task‐Similarity is a Crucial Factor for Few‐Shot Meta‐Learning of Structure‐Activity Relationships
    von: Alex Kötter, et al.
    Veröffentlicht: (2024)
  • Reconstructing Sepsis Trajectories from Clinical Case Reports using LLMs: the Textual Time Series Corpus for Sepsis
    von: Noroozizadeh, Shahriar, et al.
    Veröffentlicht: (2025)
Universidad del Mar
Universidad del MarSistema Bibliotecario de la Universidad del MarDescubridor Institucional UMARImplementación y desarrollo: Mtro. Carlos Alonso Albores Pérez
InicioBúsqueda avanzadaExplorar
Visitas al Descubridor: 66,254© 2026 Universidad del Mar