Materials.selfies Ted
M
Materials.selfies Ted
由ibm-research開發
基於Transformer架構的編碼器-解碼器模型,專為使用SELFIES進行分子表徵而設計
下載量 3,343
發布時間 : 10/25/2024
模型概述
該模型利用Transformer架構處理SELFIES格式的分子表示,能夠將SMILES字符串轉換為SELFIES格式並生成分子嵌入向量,適用於化學和材料科學領域的分子表徵任務。
模型特點
SELFIES分子表示
使用SELFIES(Self-referencing Embedded Strings)格式進行分子表徵,相比傳統SMILES格式具有更強的魯棒性
Transformer架構
基於先進的Transformer架構,能夠有效捕捉分子結構中的複雜模式和關係
分子嵌入生成
可將分子結構轉換為有意義的嵌入向量,便於下游機器學習任務使用
模型能力
SMILES到SELFIES轉換
分子特徵提取
分子嵌入生成
使用案例
化學信息學
分子相似性分析
通過比較分子嵌入向量評估分子結構相似性
可用於藥物發現中的先導化合物篩選
分子性質預測
將分子嵌入作為機器學習模型的輸入特徵
提高分子性質預測模型的準確性
材料科學
新材料發現
基於分子表徵進行材料設計和篩選
加速新型功能材料的開發過程
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98