Génération de nouvelles molécules et réactions par intelligence artificielle guidée par la chemographie
Langue Anglais
Langue Anglais
Auteur : Bort, William
Date de soutenance : 22-11-2023
Directeur(s) de thèse : Varnek, Alexandre - Marcou, Gilles
Établissement de soutenance : Strasbourg
Laboratoire : Chimie de la matière complexe (Strasbourg)
École doctorale : École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
Date de soutenance : 22-11-2023
Directeur(s) de thèse : Varnek, Alexandre - Marcou, Gilles
Établissement de soutenance : Strasbourg
Laboratoire : Chimie de la matière complexe (Strasbourg)
École doctorale : École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
Discipline : Chimie
Classification : Chimie, minéralogie, cristallographie
Mots-clés libres : Deep learning, Autoencodeurs, Attention, Espace chimique, Cartographie topographique générative, SMILES, Inverse-QSAR, Génération conditionnelle, Molécules drug-like
Mots-clés :
Classification : Chimie, minéralogie, cristallographie
Mots-clés libres : Deep learning, Autoencodeurs, Attention, Espace chimique, Cartographie topographique générative, SMILES, Inverse-QSAR, Génération conditionnelle, Molécules drug-like
Mots-clés :
- Apprentissage profond
- QSAR (biochimie)
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAF047
Type de ressource : Thèse
Identifiant : 2023STRAF047
Type de ressource : Thèse