Buchumschlag

Challenging reaction prediction models to generalize to novel chemistry

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bradshaw, John, Zhang, Anji, Mahjour, Babak, Graff, David E., Segler, Marwin H. S., Coley, Connor W.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The impact of conformer quality on learned representations of molecular conformer ensembles
von: Adams, Keir, et al.
Veröffentlicht: (2025)

Generative Artificial Intelligence for Navigating Synthesizable Chemical Space
von: Gao, Wenhao, et al.
Veröffentlicht: (2024)

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

Procedural Synthesis of Synthesizable Molecules
von: Sun, Michael, et al.
Veröffentlicht: (2024)

Are we making much progress? Revisiting chemical reaction yield prediction from an imbalanced regression perspective
von: Ma, Yihong, et al.
Veröffentlicht: (2024)

Evaluating the Progression of Large Language Model Capabilities for Small-Molecule Drug Design
von: Chennakesavalu, Shriram, et al.
Veröffentlicht: (2026)

Tabular foundation models for in-context prediction of molecular properties
von: Hicham, Karim K. Ben, et al.
Veröffentlicht: (2026)

Graph Neural Networks embedded into Margules model for vapor-liquid equilibria prediction
von: Medina, Edgar Ivan Sanchez, et al.
Veröffentlicht: (2025)

3DReact: Geometric deep learning for chemical reactions
von: van Gerwen, Puck, et al.
Veröffentlicht: (2023)

Multimodal machine learning with large language embedding model for polymer property prediction
von: Zhang, Tianren, et al.
Veröffentlicht: (2025)

Transfer learning for predicting source terms of principal component transport in chemically reactive flow
von: Jung, Ki Sung, et al.
Veröffentlicht: (2023)

Generating transition states of chemical reactions via distance-geometry-based flow matching
von: Luo, Yufei, et al.
Veröffentlicht: (2025)

Pre-trained knowledge elevates large language models beyond traditional chemical reaction optimizers
von: MacKnight, Robert, et al.
Veröffentlicht: (2025)

Prediction of good reaction coordinates and future evolution of MD trajectories using Regularized Sparse Autoencoders: A novel deep learning approach
von: Gupta, Abhijit
Veröffentlicht: (2022)

Generative artificial intelligence for computational chemistry: a roadmap to predicting emergent phenomena
von: Tiwary, Pratyush, et al.
Veröffentlicht: (2024)

Hessian QM9: A quantum chemistry database of molecular Hessians in implicit solvents
von: Williams, Nicholas J., et al.
Veröffentlicht: (2024)

Multitask methods for predicting molecular properties from heterogeneous data
von: Fisher, Katharine, et al.
Veröffentlicht: (2024)

FlashMD: long-stride, universal prediction of molecular dynamics
von: Bigi, Filippo, et al.
Veröffentlicht: (2025)

DeepEOSNet: Capturing the dependency on thermodynamic state in property prediction tasks
von: Pavšek, Jan, et al.
Veröffentlicht: (2025)

Motional representation; the ability to predict odor characters using molecular vibrations
von: Harada, Yuki, et al.
Veröffentlicht: (2025)

RetroBridge: Modeling Retrosynthesis with Markov Bridges
von: Igashov, Ilia, et al.
Veröffentlicht: (2023)

Electron flow matching for generative reaction mechanism prediction obeying conservation laws
von: Joung, Joonyoung F., et al.
Veröffentlicht: (2025)

Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory
von: Schwalbe-Koda, Daniel, et al.
Veröffentlicht: (2024)

RetroGFN: Diverse and Feasible Retrosynthesis using GFlowNets
von: Gaiński, Piotr, et al.
Veröffentlicht: (2024)

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

Hybrid physics-based and data-driven modeling with calibrated uncertainty for lithium-ion battery degradation diagnosis and prognosis
von: Lin, Jing, et al.
Veröffentlicht: (2021)

A Structured Framework for Predicting Sustainable Aviation Fuel Properties using Liquid-Phase FTIR and Machine Learning
von: Comesana, Ana E., et al.
Veröffentlicht: (2024)

Intelligent Reservoir Decision Support: An Integrated Framework Combining Large Language Models, Advanced Prompt Engineering, and Multimodal Data Fusion for Real-Time Petroleum Operations
von: Mahjour, Seyed Kourosh, et al.
Veröffentlicht: (2025)

Are neural scaling laws leading quantum chemistry astray?
von: Lee, Siwoo, et al.
Veröffentlicht: (2025)

Nutmeg and SPICE: Models and Data for Biomolecular Machine Learning
von: Eastman, Peter, et al.
Veröffentlicht: (2024)

UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials
von: Zhang, Gongbo, et al.
Veröffentlicht: (2025)

Applying Multi-Fidelity Bayesian Optimization in Chemistry: Open Challenges and Major Considerations
von: Judge, Edmund, et al.
Veröffentlicht: (2024)

Accurate and efficient structure elucidation from routine one-dimensional NMR spectra using multitask machine learning
von: Hu, Frank, et al.
Veröffentlicht: (2024)

Representing spherical tensors with scalar-based machine-learning models
von: Domina, Michelangelo, et al.
Veröffentlicht: (2025)

AdsorbDiff: Adsorbate Placement via Conditional Denoising Diffusion
von: Kolluru, Adeesh, et al.
Veröffentlicht: (2024)

Retro-fallback: retrosynthetic planning in an uncertain world
von: Tripp, Austin, et al.
Veröffentlicht: (2023)

Molecular relaxation by reverse diffusion with time step prediction
von: Kahouli, Khaled, et al.
Veröffentlicht: (2024)

Assessing the impact of contact time on leachate chemistry from recycled concrete aggregates
von: Sanger, Morgan D., et al.
Veröffentlicht: (2025)

Extending machine learning model for implicit solvation to free energy calculations
von: Dey, Rishabh, et al.
Veröffentlicht: (2025)

All-in-one foundational models learning across quantum chemical levels
von: Chen, Yuxinxin, et al.
Veröffentlicht: (2024)