Библиографическое описание:ПРЕОБРАЗОВАНИЕ ХИМИЧЕСКИХ ФОРМУЛ В МАШИННО-ОБРАБАТЫВАЕМЫЕ ПОСЛЕДОВАТЕЛЬНОСТИ : доклад, тезисы доклада / К. А. Моисеева, В. С. Тынченко. - [Б. м. : б. и.], 2025. - Текст : непосредственный // Новые тенденции в науке, обществе и технике : Сборник статей Международной научно-практической конференции. - Ульяновск, 2025. - С. 192-198. - ISBN 9785002750085.
Аннотация:В данной статье рассматриваются методы преобразования химических формул в машинно-обрабатываемые последовательности с использованием формата SMILES. Основное внимание уделяется ключевой проблеме - вариативности представления молекул в SMILES, которая снижает эффективность алгоритмов машинного обучения. Предлагается комплексное решение, включающее канонизацию SMILES и применение предобученных трансформерных моделей. Описаны основные принципы кодирования молекул, а также методы их векторизации для последующего анализа с помощью алгоритмов машинного обучения. Рассматриваются такие подходы, как токенизация, молекулярные эмбеддинги (Mol2Vec) и графовые нейронные сети (GNN). Обсуждаются преимущества использования таких преобразований для анализа, предсказания свойств и оптимизации молекулярных структур.
This article discusses methods for converting chemical formulas into machine-processed sequences using the SMILES format. The main focus is on the key issue of variability in the representation of molecules in SMILES, which reduces the effectiveness of machine learning algorithms. A comprehensive solution is proposed, including the canonization of SMILES and the use of pre-irradiated transformer models. The basic principles of coding molecules are described, as well as methods of their vectorization for subsequent analysis using machine learning algorithms. Approaches such as tokenization, molecular embedding (Mol2Vec) and graph neural networks (NN) are considered. The advantages of using such transformations for analyzing, predicting properties, and optimizing molecular structures are discussed.
