ИСТИНА

В последнее время крупномасштабные квантово-химические расчеты и моделирование молекулярной динамики в сочетании с достижениями в экспериментах с высокой пропускной способностью начали генерировать данные с беспрецедентной скоростью. Большинство классических методов не позволяют эффективно использовать большие объемы данных, которые сейчас доступны. Поэтому появилась необходимость применить более мощные и гибкие методы машинного обучения к этим проблемам. Симметрии атомных систем предполагают, что нейронные сети, которые работают с структурированными графами и инвариантными к изоморфизму графами, могут также подходить для молекул. Такие модели могут когда-нибудь помочь автоматизировать сложные проблемы химического поиска в области поиска лекарств или материаловедения. Основной целью этой работы – поиск и разработка архитектуры нейросети для предсказания энтальпии и плотности веществ.