检索结果-南通市图书馆

Prediction of Molecular conformation Using Deep Generative Neural Networks

Chinese Journal of Chemistry 2023年第24期41卷 3684-3688页

作者： Congsheng Xu Yi Lu Xiaomei Deng Peiyuan Yu School of Chemistry and Chemical Engineering Harbin Institute of TechnologyHarbinHeilongjiang150001 China Department of Chemistry and Shenzhen Grubbs Institute Guangdong Provincial Key Laboratory of CatalysisSouthern University of Science and TechnologyShenzhenGuangdong518055 China

The accurate prediction of molecular conformations with high efficiency is crucial in various fields such as materials science,computational chemistry and computer-aided drug design,as the three-dimensional structures accessible at a given condition usually determine the specific physical,chemical,and biological properties of a *** approaches for the conformational sampling of molecules such as molecular dynamics simulations and Markov chain Monte Carlo methods either require an exponentially increasing amount of time as the degree of freedom of the molecule increases or suffer from systematic errors that fail to obtain important conformations,thus presenting significant challenges for conformation sampling with both high efficiency and high ***,deep learning-based generative models have emerged as a promising solution to this *** models can generate a large number of molecular conformations in a short time,and their accuracy is comparable and,in some cases,even better than that of current popular open-source and commercial *** Emerging Topic introduces the recent progresses of using deep learning for predicting molecular conformations and briefly discusses the potential and challenges of this emerging field.

关键词： conformation generation Machine learning Deep Generative Neural Networks Drug design Reaction mechanisms

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：