Ученый ТПУ разрабатывает алгоритм машинного обучения для предсказания молекулярных свойств соединений

Ученым был предложен алгоритм машинного обучения, результатом работы которого является модель, предсказывающая липофильность — свойство вещества, характеризующее его химическое сродство к органическим веществам. Полученная модель способна учитывать возможную неопределенность предсказаний, вызванную нехваткой обучающих данных.

«Работа актуальна за счет появления большого количества проектов, связанных с оценкой молекулярных свойств, а также ростом данных о химических экспериментах.

Информация о неопределенности предсказаний, мере их возможного разброса крайне важна для пользователей из химических и биологических лабораторий и научных институтов», — поясняет молодой ученый.

Разработанный алгоритм основывается на байесовском машинном обучении — разделе, который напрямую работает с неопределенностями и позволяет не только точечно оценивать параметры полученной модели, но и их распределение.

«Аналогичная работа ведется во многих институтах и фармкомпаниях. Уникальность нашего алгоритма — в вычислительных аспектах: скорости построения предсказательной модели, высоком качестве предсказания липофильности, возможности учитывать неопределенность предсказаний из-за нехватки обучающих данных или их низкого качества», — добавляет Борис Пякилля.

В дальнейшем алгоритм может быть использован в компаниях и лабораториях, связанных с разработкой лекарственных средств или сельскохозяйственных препаратов, в частности пестицидов.

Источник: Служба новостей ТПУ