|
|
|
Подсекция «Искусственный интеллект в химии»
- Алексеев Д.С. - Расчёт термодинамических свойств супергидридов при экстремальных условиях методом молекулярной динамики с помощью машиннообучаемого потенциала
- Арбуханова Г.А. - Предсказание ингибирования роста фитопатогенов наночастицами методами машинного обучения.
- Белкина К.А. - Топологически направленный поиск морфологий диблок-сополимеров с использованием байесовской оптимизации
- Буйлова М.А. - Исследование центров нуклеации алмазной фазы в разориентированном биграфене с водородной функционализацией поверхности
- Буров И.А. - Применение трансформерных архитектур и вариационного автокодировщика с подкреплением для de novo дизайна ингибиторов металло-бета-лактамазы NDM-1
- Быков А.В. - Определение способности катионов к образованию 1D-галогенометаллат(III)-анионов и рациональный дизайн гибридных галогенометаллатов методами искусственного интеллекта
- Вандышев Г.К. - Сравнение подходов по предсказанию кислотно-основных свойств органических соединений в водном растворе
- Васильченко Е.С. - Разработка численного метода для определения устойчивости комплексов цезия и стронция
- Горбунова А.А. - Проектирование стратегий неорганического синтеза с помощью генеративных моделей, дополненных механизмами извлечения знаний
- Дещеня В.И. - Генеративный дизайн антиокислительных присадок для смазочных масел методами машинного обучения
- Дубонос Н.С. - Предсказание свойств кристаллов органических соединений на основе топологии электронной плотности и методов машинного обучения
- Зверев Д.В. - Оценка воспроизводимости электростатического потенциала локальными моделями частичных атомных зарядов на основе машинного обучения
- Зиганшин И.И. - Предсказание концентрации и температуры электронов в емкостном ВЧ разряде с помощью модели машинного обучения
- Ильин Е.А. - Физически-информированное предсказание спектров поглощения органических молекул методами машинного обучения
- Исаев Я.И. - Использование методов машинного обучения для предсказания химических сдвигов 93Nb, 95Mo, 205Tl ЯМР в комплексах редких и переходных металлов
- Каплин А.А. - Разработка концепции мобильной лаборатории контроля качества биологически активных веществ на основе Рамановской спектроскопии и ML-алгоритмов
- Карпушкина И.А. - Физически-обоснованные атомные эмбеддинги на основе модели COSMO-RS для графовых нейронных сетей
- Кирпаль Ю.Г. - Использование машинного обучения в анализе зависимостей состав-свойства эрозионностойких лакокрасочных материалов
- Кларос Р. - MolWeaver: фрагментационно-ориентированный пайплайн scaffold hopping с ANN-поиском в пространстве ядер
- Ковалев А.Е. - Прогнозирование химических сдвигов ЯМР ядер для комплексов переходных металлов 55Mn и 57Fe с помощью машинного обучения
- Константинов Л.Е. - Предсказание температуры Кюри и параметров магнитной анизотропии для моделирования магнитных материалов с использованием машинного обучения
- Кручинин Т.В. - Физическое информирование фундаментальных языковых моделей в химии через многозадачную регрессию
- Курбанов Д.А. - Неаддитивные эффекты в билигандных комплексах и их предсказание методами машинного обучения
- Макарова Т.А. - Prediction of thiacalix[4]crown-ethers aggregate morphology with feature selection guided Machine Learning algorithms
- Маликов Д.И. - Применение машинного обучения для прогнозирования противораковой активности комплексов переходных металлов на основе обширной экспериментальной базы данных
- Маллаев Р.А. - Поиск конформеров органических молекул при помощи тензорных сетей
- Пикулин И.С. - Применение трансферного обучения для предсказания устойчивости комплексов UO2(2+) с органическими лигандами
- Рахимов П.Т. - Прогнозирование ресурса химических источников тока по данным ускоренного циклирования методами глубокого обучения
- Рубцов И.Д. - Применение химических языковых моделей для прогнозирования синтетической доступности новых функциональных материалов
- Рыжов А.П. - Графические интерфейсы ML-моделей для предсказания свойств материалов
- Семакин Г.А. - Количественная оценка правдоподобности механизмов на основе генеративного моделирования потоков электронов
- Сидорова Э.С. - Прогнозирование растворимости органических соединений с использованием гибридной графовой нейронной сети
- Смолянинов С.К. - Анализ и валидация данных биоактивности базы ChEMBL с использованием языковых моделей BERT
- Холманских Д.Д. - Применение трансформерных архитектур и вариационного автокодировщика с подкреплением для de novo дизайна ингибиторов металло-бета-лактамазы NDM-1
- Ческий Д.А. - Исследование новых соединений и присадок в химической промышленности с помощью искусственного интеллекта
- Шестун П.А. - Физически-обоснованные атомные эмбеддинги на основе модели COSMO-RS для графовых нейронных сетей
- Шоничев И.Д. - Прогнозирование характеристик ПКМ
|
