Koneoppiminen kemiassa: Tietokeskeinen, käytännönläheinen koneoppimisen johdantokurssi perustutkinto-opiskelijoille 1. Tämä innovatiivinen kurssi, Machine Learning in Chemistry (MLChem), on suunniteltu erityisesti perustutkinto-opiskelijoille, ja se kuroa umpeen kuilun perinteisen kemian koulutuksen ja nykyaikaisten koneoppimistekniikoiden välillä. Se esittelee perustavanlaatuisia ML-algoritmeja, joissa käytetään aitoja kemiallisia tietojoukkoja, mikä varmistaa välittömän merkityksen kentälle. 2. MLChem etenee ML:n perusalgoritmeista, kuten klusteroinnista ja regressiosta, kehittyneisiin hermoverkkoarkkitehtuureihin, mukaan lukien CNN:t, GNN:t ja RNN:t. Kurssi kattaa myös huippuluokan aiheita, kuten retrosynteesin vahvistusoppimisen ja tekoälypohjaiset voimakentät, mikä tarjoaa opiskelijoille sekä perustietoa että altistumista eturintaman sovelluksille. 3. MLChemin keskeinen ominaisuus on sen käytännönläheinen lähestymistapa. Opiskelijat työskentelevät todellisten kemiallisten tietojoukkojen, kuten pienimolekyylien liukoisuustietojoukon ja peptidiaktiivisuustietojoukon, kanssa kehittääkseen käytännön taitoja molekyylien funktionalisoinnissa, ulottuvuuden vähentämisessä ja ominaisuuksien ennustamisessa. Tehtävät on mallinnettu tutkimuksen inspiroimista haasteista, jotka valmistavat opiskelijoita todellisiin sovelluksiin. 4. Kurssilla korostetaan molekyyliesityksen merkitystä ja esitellään opiskelijoille erilaisia tapoja koodata molekyylejä, kuten 3D-koordinaatteja, graafirakenteita ja SMILES-merkkijonoja. Tämä perustieto auttaa opiskelijoita ymmärtämään, kuinka erilaiset esitykset vaikuttavat kemian mallituloksiin. 5. MLChem sisältää myös luentoja edistyneistä sovelluksista, kuten muuntajien käytöstä kemiallisen kielen mallintamiseen ja proteiinikielimallien hienosäätöön. Nämä aiheet osoittavat, kuinka koneoppimisen peruskäsitteet liittyvät kemian uusimpiin tieteellisiin edistysaskeliin. 6. Kurssimateriaalit, mukaan lukien Jupyter-muistikirjat ja kotitehtävät, ovat julkisesti saatavilla kurssin verkkosivuilla. Tämän avoimen saatavuuden ansiosta opiskelijat ja opettajat ympäri maailmaa voivat hyötyä resursseista ja mukauttaa niitä omiin oppimis- ja opetustarpeisiinsa. 📜Paperi: #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research