VIP20
本课程属于：055-化合物生成网络训练 生物信息学与 AI 制药工程 · 共 20 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

图特征提取：分子生成应用指南

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
图特征提取基础
图数据表示 · 邻接矩阵 · 度矩阵
图特征提取基础图数据表示
02
图神经网络入门
GCN · GAT · GraphSAGE核心思想
图神经网络入门GCN
03
图卷积网络（GCN）详解
消息传递机制 · 谱域与空域
GCN图卷积网络
04
图注意力网络（GAT）详解
自注意力机制 · 多头注意力
GAT图注意力网络
05
图采样与聚合（GraphSAGE）详解
邻居采样 · 聚合函数
GraphSAGE图采样
06
图神经网络训练技巧
正则化 · Dropout · 批处理
图神经网络训练技…正则化
07
图特征提取实战
使用PyTorch Geometri…
图特征提取实战PyTorch
08
分子图表示
分子结构图 · 原子类型 · 键类型
分子图表示分子结构图
09
分子特征
原子属性 · 化学键属性 · 分子指纹
分子特征原子属性
10
分子数据集
QM9 · ZINC · MoleculeNet等介绍与加载
分子数据集QM9
11
图神经网络用于分子性质预测
回归与分类任务
图神经网络用于分…回归
12
图神经网络用于分子性质预测实战
训练与评估
图神经网络用于分…训练
13
分子生成概述
从随机生成到条件生成 · 应用场景
分子生成概述从随机生成到条件…
14
自编码器（VAE）用于分子生成
变分自编码器原理
VAE自编码器
15
分子VAE实现
编码器-解码器结构 · SMILES与图表示
VAE分子
16
生成对抗网络（GAN）用于分子生成
MolGAN等模型
GAN生成对抗网络
17
基于流的生成模型
连续归一化流 · 可逆图变换
基于流的生成模型连续归一化流
18
扩散模型用于分子生成
去噪扩散概率模型（DDPM）
扩散模型用于分子…DDPM
19
基于强化学习的分子生成
目标导向优化 · 使用REINVENT等
基于强化学习的分…目标导向优化
20
分子生成中的约束
药物相似性 · 合成可及性 · 多样性
分子生成约束
21
分子生成评估指标
有效性 · 独特度 · 新颖性
分子生成评估指标有效性
22
基于图的生成模型
GraphRNN · DeepGMG等
基于图的生成模型GraphRNN
23
分子生成中的条件生成
目标性质 · 骨架约束
分子生成条件生成
24
分子生成中的多目标优化
多属性平衡
分子生成多目标优化
25
大规模分子生成
如何提高生成效率与质量
大规模分子生成如何提高生成效率
26
图特征提取与分子生成结合
用GNN编码分子特征进行生成
图特征提取分子生成结合
27
实际案例
利用Junction Tree VA…
实际案例Junction
28
实际案例
利用MolGAN生成分子
实际案例MolGAN
29
实际案例
利用扩散模型（如GeoDiff）生成…
实际案例GeoDiff
30
前沿展望
图基础模型 · 大语言模型辅助分子生成 · 未来趋势
前沿展望图基础模型