Voor de beste ervaring schakelt u JavaScript in en gebruikt u een moderne browser!
Je gebruikt een niet-ondersteunde browser. Deze site kan er anders uitzien dan je verwacht.
Onderzoek van Victor Garcia Sattorras en Emiel Hoogeboom, van het Informatica Instituut van de Universiteit van Amsterdam, is onlangs geaccepteerd voor het ICML-congres, een conferentie over machine learning. Hun onderzoek gaat over een nieuw neuraal netwerk dat ze hebben gemaakt, wat er uiteindelijk voor kan zorgen dat moleculen beter worden begrepen of wat zelfs nieuwe moleculen kan gaan genereren. Hierdoor kan het proces van het ontdekken van medicijnen en materialen worden versneld.
A visual representation about how the neural network handles equivariance.
A visual representation about how the neural network handles equivariance.

Het netwerk werkt met moleculaire gegevens van elk type n-dimensionale point cloud representation. Het onderzoek presenteert een andere techniek waarbij equivariantie kan worden bereikt op een eenvoudigere, efficiëntere manier die beter werkt. Equivariantie in de context van dit onderzoek betekent dat het toepassen van een transformatie op een molecuul geen effect heeft op het transleren en roteren ervan. Uiteindelijk kunnen voorspellingen over nieuwe moleculen worden gedaan en kan een beter begrip over bestaande moleculen worden verkregen.

Read more in English.

The Amsterdam Machine Learning Lab (AMLab)

Victor Garcia Satorras
Emiel Hoogeboom
Max Welling