Корзина
7 отзывов
Комплексные решения для автоматизации проектирования
Контакты
Главтелеком
БеларусьМинскпроезд Веснина, 12, офис 22
220026, г.Минск, проезд Веснина, д.12, оф.22
+375 29 123-13-43
GSM
+375 17 27-666-27
тел/факс
Карта
Информация для покупателя

Юридическое лицо ЧТУП «Главтелеком»

Беларусь Минск проезд Веснина, д.12, оф.22

Дата регистрации в Торговом реестре/Реестре бытовых услуг: 10.02.2010

Номер в Торговом реестре/Реестре бытовых услуг/Регистре производителей товаров: 378746, Республика Беларусь

Регистрационный номер ЕГР: 191312110

УНП: 191312110

Регистрационный орган: Администрация Заводского района г.Минска

Дата регистрации компании: 10.02.2010

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Ссылка на свидетельство/лицензию

Режим работы:

ДеньВремя работы
Понедельник09:00 — 18:00
Вторник09:00 — 18:00
Среда09:00 — 18:00
Четверг09:00 — 18:00
Пятница09:00 — 18:00
СубботаВыходной
ВоскресеньеВыходной

Нейронные сети смогут предсказывать свойства органических соединений

Нейронные сети смогут предсказывать свойства органических соединений

Как сообщает редакция журнала Journal of Physics: Condensed Matter, нейросеть, разработанная группой ученых из России, Эстонии и Великобритании, позволяет «спрогнозировать один из самых непредсказуемых факторов» — биологическую концентрацию...

Он является крайне важным для оценки эффективности любого биологического соединения от лекарства до яда и указывает на степень накопления исследуемого вещества в живом организме. Раньше для этого использовались лабораторные животные. Теперь же можно применять более современный подход.

Как же этого добиться? Есть 2 варианта: в первом случае нейросети нужно сгенерировать все возможные модели поведения молекул и взаимодействия их с живыми организмами. Такой подход будет довольно точным, но крайне ресурсоемким из-за огромного массива данных. Во втором случае нейросеть нужно обучить работать с молекулярной теорией жидкости. В этом случае интерпретация результатов будет быстрой (так как основана на заранее прописанных и довольно простых формулах), но не такой точной, как хотелось бы.

Группа экспертов из Университета Тарту (Эстония), Университета Стратклайда (Великобритания) и Сколковского института науки и технологий (Россия) разработала гибридный метод. Первым делом проводятся расчеты, основанные на молекулярной теории, а к ним уже применяются алгоритмы поведения и взаимодействия молекул. По словам одного из авторов работы, аспиранта Сколковского института науки и технологий Сергея Сосина,

«Разработанный нами метод позволяет существенно упростить прогнозирование экологической нагрузки от того или иного вещества. Но самое главное — это то, что мы разработали универсальный способ описания молекулы для передачи ее “образа” в трехмерную сверхточную нейронную сеть. В перспективе наши разработки позволят прогнозировать свойства различных экзотических молекул и принципиально новых соединений, для которых существующие методы поиска соотношений «структура — свойство» неприменимы.»

Другие новости