Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours traite de la prédiction des rendements de réaction à l'aide de modèles d'apprentissage en profondeur, en se concentrant sur les défis de l'identification des réactifs et des réactifs dans les réactions chimiques. L'instructeur explique comment les représentations d'apprentissage automatique, telles que les structures basées sur des graphiques, sont utilisées pour analyser et prédire les résultats des réactions. La séance de cours couvre également l'importance des ensembles de données de haute qualité dans les modèles de formation, l'impact des additifs sur les rendements de réaction et l'utilisation du traitement du langage naturel pour les représentations textuelles en chimie. La présentation met en évidence la transférabilité des modèles formés entre les différentes classes de réaction et l'importance de la qualité des données dans les tâches de prédiction du rendement.