MLST在线研讨会：SELFIES及分子串阐释的未来

13 8月 2021 gabriels
不到一年前，IOP出版社旗下期刊Machine Learning: Science &Technology（MLST）杂志出版了文章——SELFIES: a 100% robust molecular string representation （https://iopscience.iop.org/article/10.1088/2632-2153/aba947）。这篇文章推动了人工智能（AI）在材料科学和化学领域的大量应用。与此同时，它也是迄今为止在MLST期刊上下载和引用次数最多的文章。

IOP 出版社与Acceleration Consortium合作，希望通过一个在线研讨会来庆祝这一时刻。与领域内的研究人员一起，我们将展望未来，讨论化学领域中基于字符串阐释的挑战和机遇。我们将在多个研究团队中启动全新的应用程序，以推进材料科学中人工智能的进展。

研讨会日程

 北京时间21:00-22:00

  • SELFIES介绍 – 加拿大多伦多大学，Alan Aspuru-Guzik教授
  • SELFIES应用程序教程 – 加拿大多伦多大学和美国斯坦福大学，Akshat Nigam

北京时间22:00-0:00

  • 研究小组启动SELFIES的全新应用和拓展，以及一般分子穿的阐释
  • 来自研究小组的简单汇报，并进一步讨论未来推广应用的战略措施

 

温馨提示

注册及观看研讨会请点击文章下方“阅读原文”，本次在线研讨会将使用Zoom平台，为保证您顺利观看，请提前下载安装相关软件。>>点此注册报名在线研讨会

期刊介绍

Machine Learning: Science and Technology 

●Machine Learning: Science and Technology （MLST）是一本跨学科期刊，致力于发表智能机器在物理、材料科学、化学、生物学、医学、地球科学、天文学和工程学等多学科领域的应用和发展。涉及领域包括：物理学和空间科学；设计和发现新材料和分子；材料表征技术；模拟材料、化学过程和生物系统；原子和粗粒度模拟；量子计算；生物学、医学和生物医学成像；地球科学（包括自然灾害预测）和气候学；模拟方法和高性能计算。同时，也包括机器学习方法在概念上的新进展：新的学习算法；深度学习架构；核心方法；概率和贝叶斯方法；生成方法；强化和主动学习；经常性和基于时间结构的方法；神经启发方法（包括神经形态计算）。