Diversity oriented Deep Reinforcement Learning for targeted molecule generation

Важным шагом в разработке лекарств является генерация набора молекул - потенциальных кандидатов. Это сложная задача потому, что пространство возможных молекул огромно. Машинное обучение внедряют в процесс скрининга, потому что это в разы быстрее, чем стандартные вычислительные подходы в химии. В статье предлагается end-to-end RL-фреймворк с использованием RNN, строкового представления молекул (SMILES) и алгоритма REINFORCE. На семинаре мы обсудим следующее: - pipeline генерации молекул с заданными свойствами - как применяется алгоритм REINFORCE для дообучения рекуррентных нейронных сетей - как авторы предлагают решать exploration / exploitation trade-off - какие метрики применяются для оценки генеративных моделей в области drug design - результаты экспериментов, приведенных в статье Докладчик: Дмитрий Галимзянов. Ссылка на статью: