Оцінка ADME-Tox властивостей молекул. Методи навчання багатозадачних нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorОстровський, Захар Юрійович
dc.date.accessioned2023-04-13T11:27:18Z
dc.date.available2023-04-13T11:27:18Z
dc.date.issued2022-12
dc.description.abstractМагістерська дисертація: 110 с., 28 табл., 43 рис., 1 додаток, 46 посилань. Об’єкт дослідження: ADME-Tox властивості молекули. Мета дослідження: аналіз ADME-Tox параметрів, побудова багатозадачної нейронної мережі із використанням графових нейронних мереж для прогнозування ADME-Tox властивостей, порівняння якості цієї моделі із класичними моделями під кожен параметр у плані швидкості і якості прогнозу. Використані методи: Рівнозначне зважування (EW), Випадкове зважування (RLW), Зважування за невизначенністю (UW), Нормалізація градієнтів (GradNorm), Динамічне усереднення коефіцієнтів (DWA), “Неконфліктуючий” градієнтний спуск (CAGrad), Неупереджене багатозадачне навчання (IMTL), Проєктування конфліктуючих градієнтів (PCGrad), Вакцинування градієнтів (GradVac). Отриманні результати: побудовано графову багатозадачну нейронну мережу для прогнозування ADME-Tox властивостей молекул із швидкістю прогнозу 500 тисяч молекул за 280 секунд для середньостатистичної машини із графічним процесором GPU та за 550 секунд для середньостатистичної машини із процесором CPU. У рамках подальшого дослідження пропонується підвищувати точність кожного ADME-Tox параметру, а також побудувати універсальний молекулярний декодувальник, який переводитиме будь-яку молекулу у векторний простір.uk
dc.description.abstractotherMaster’s thesis: 110 p., 28 tabl., 43 fig., 1 addition, 46 sources. Research object: ADME-Tox molecular properties. Purpose: analyze ADME-Tox parameters, construct a multi-task neural network using graph neural networks to predict ADME-Tox properties, compare the quality of this model with classical ML models for each parameter in terms of speed and quality of prediction. Methods Used: Equal Weighting (EW), Random Weighting (RLW), Uncertainty Weighting (UW), Gradient Normalization (GradNorm), Dynamic Weight Averaging (DWA), "Conflict-Free" Gradient Descent (CAGrad), Impartial Multi- Task Learning (IMTL) , Projecting conflicting gradients (PCGrad), Vaccination of gradients (GradVac). Results: a graph multitasking neural network is capable of predicting ADME- Tox properties of molecules with a speed of 500,000 molecules in 280 seconds for average machines with a GPU and in 550 seconds for average machines with a CPU. As a part of further research, it is proposed to improve the accuracy of each parameter of ADME-Tox, as well as to build a universal molecular decoder that translates any molecule into a latent vector space.uk
dc.format.extent122 с.uk
dc.identifier.citationОстровський, З. Ю. Оцінка ADME-Tox властивостей молекул. Методи навчання багатозадачних нейронних мереж : магістерська дис. : 124 Системний аналіз / Островський Захар Юрійович. - Київ, 2022. - 122 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54571
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectadme-tox властивостіuk
dc.subjectграфові нейронні мережіuk
dc.subjectбагатозадачне навчанняuk
dc.subjectadme-tox propertiesuk
dc.subjectgraph neural networksuk
dc.subjectmulti- task learninguk
dc.subject.udc004.032.26, 615.072uk
dc.titleОцінка ADME-Tox властивостей молекул. Методи навчання багатозадачних нейронних мережuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Ostrovskyi_magistr.pdf
Розмір:
3.35 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи