Aplikacja metod uczenia głębokiego opartych o atencję do znajdywania nowych aktywnych związków chemicznych
Instytucja Finansująca / Przyznający: Narodowe Centrum Nauki
Tytuł: Aplikacja metod uczenia głębokiego opartych o atencję do znajdywania nowych aktywnych związków chemicznych
Kierownik: Łukasz Maziarka
Rozpoczęcie: 2020-08-10
Zakończenie: 2024-01-09
Uwagi: PRELUDIUM 18
| Publikacje |
|---|
| Tomasz Danel, Przemysław Spurek, Jacek Tabor, Marek Śmieja, Łukasz Struski, Agnieszka Słowik, Łukasz Maziarka, Spatial Graph Convolutional Networks, International Conference On Neural Information Processing vol. Communications in Computer and Information Science book series (CCIS, volume 1333) (2020), 668-675 |
| Tomasz Danel, Łukasz Maziarka, Sabina Podlewska, Jacek Tabor, Agnieszka Wojtuch, Comparison of Atom Representations in Graph Neural Networks for Molecular Property Prediction, IEEE International Joint Conference on Neural Networks [IJCNN], (2021), 1-8 |
| Tomasz Danel, Łukasz Maziarka, Multitask Learning Using BERT with Task-Embedded Attention, IEEE International Joint Conference on Neural Networks [IJCNN], (2021), |
| Tomasz Danel, Piotr Gaiński, Stanisław Jastrzębski, Łukasz Maziarka, HuggingMolecules: an open-source library for transformer-based molecular property prediction, International Conference On Learning Representations (workshop Track) (2021), |
| Maciej Wołczyk, Magdalena Proszewska, Łukasz Maziarka, Zięba Maciej , Patryk Wielopolski, Rafał Kurczab, Marek Śmieja, PluGeN: Multi-Label Conditional Generation From Pre-Trained Models, National Conference of the American Association for Artificial Intelligence [AAAI](MAIN) vol. 36/8 (2022), 8647-8656 |
| Łukasz Maziarka, Aleksandra Nowak, Maciej Wołczyk, Andrzej Bedychaj, On the relationship between disentanglement and multi-task learning, European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Database [ECML PKDD](MAIN), (2022), |
| Piotr Gaiński, Łukasz Maziarka, Tomasz Danel, Stanisław Jastrzębski, HuggingMolecules: An Open-Source Library for Transformer-Based Molecular Property Prediction (Student Abstract), National Conference of the American Association for Artificial Intelligence [AAAI], (2022), 12949-12950 |