VIP10
本课程属于：027-ADMETQSAR与分子图学习工程 生命科学与数字医疗 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

分子性质图网络预测工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
分子性质预测任务与图网络工程概览
目标=分子性质预测的目标 · 常见性质类型 · 图神经网络在分子建模中的定位
分子性质预测任务图网络工程概览
02
分子图表示基础
目标=原子为节点 · 化学键为边 · 节点特征
分子图表示基础目标=原子为节点
03
分子数据获取与清洗
目标=公开数据集 · SMILES解析 · 去重
分子数据获取清洗
04
分子图特征工程
目标=原子类型 · 杂化 · 电荷
分子图特征工程目标=原子类型
05
图神经网络核心机制
目标=消息传递 · 聚合 · 更新
图神经网络核心机…目标=消息传递
06
分子性质预测模型搭建
目标=基于PyTorch Geome… · 边嵌入 · 全局池化与回归/分类输出层
分子性质预测模型…PyTorch
07
训练与验证策略
目标=损失函数选择 · 优化器 · 学习率调度
训练验证策略
08
分子性质预测的评估指标
目标=MAE · RMSE · R2
分子性质预测的评…MAE
09
小样本与数据稀缺场景
目标=迁移学习 · 预训练 · 元学习
小样本数据稀缺场景
10
多任务与多性质联合预测
目标=共享编码器 · 任务特定头 · 损失加权
多任务多性质联合预测
11
三维分子图与几何信息
目标=构象生成 · 距离矩阵 · 角度与二面角
三维分子图几何信息
12
分子图预训练与自监督学习
目标=掩码原子建模 · 对比学习 · 属性预测预训练
分子图预训练自监督学习
13
可解释性与注意力分析
目标=GNN解释方法 · 注意力权重 · 子图重要性
可解释性注意力分析
14
不确定性量化与主动学习
目标=贝叶斯神经网络 · 深度集成 · MC Dropout
不确定性量化主动学习
15
分子生成与性质优化
目标=图生成模型 · 强化学习 · 条件生成
分子生成性质优化
16
反应性质与反应图预测
目标=反应图表示 · 原子映射 · 反应中心识别
反应性质反应图预测
17
蛋白质-配体相互作用图预测
目标=复合物图构建 · 结合亲和力预测 · 相互作用界面
蛋白质配体相互作用图预…
18
材料与聚合物性质预测
目标=晶体图 · 聚合物图 · 周期性边界
材料聚合物性质预测
19
大规模分子图训练工程
目标=数据加载 · 批处理 · 图采样
大规模分子图训练…目标=数据加载
20
模型部署与推理服务
目标=模型导出 · ONNX · TorchScript
模型部署推理服务
21
分子性质预测平台工程
目标=数据管理 · 实验跟踪 · 模型版本
分子性质预测平台…目标=数据管理
22
化学信息学工具链集成
目标=RDKit · Open Babel · DeepChem
化学信息学工具链…RDKit
23
基准测试与竞赛实战
目标=MoleculeNet · OGB · TDC等基准
基准测试竞赛实战
24
药物发现中的ADMET预测
目标=吸收 · 分布 · 代谢
ADMET药物发现
25
分子性质预测中的分布外泛化
目标=骨架拆分 · 支架泛化 · 领域适应
分子性质预测分布外泛化
26
图神经网络架构搜索与超参优化
目标=自动化搜索 · 贝叶斯优化 · 神经架构搜索在分子图上的应用与成本控…
图神经网络架构搜…超参优化
27
量子化学与图网络融合
目标=DFT数据 · 量子描述符 · 多保真度学习
量子化学图网络融合
28
端到端项目实战一
目标=从SMILES到性质预测服务 · 完成数据准备 · 模型训练
端到端项目实战一SMILES
29
端到端项目实战二
目标=多任务ADMET预测与主动学习… · 完成平台搭建 · 实验迭代与结果分析
端到端项目实战二ADMET
30
前沿趋势与工程总结
目标=基础模型 · 大语言模型与图网络结合 · 可持续工程
前沿趋势工程总结