설명
Graphormer는 연구원 및 개발자가 분자 모델링 작업을 위해 맞춤형 모델을 훈련할 수 있도록 지원하는 정교한 딥러닝 패키지입니다. 주요 목표는 재료 발견 및 신약 발견과 같은 중요한 영역을 포함하는 분자 과학을 위한 AI 분야의 발전 및 응용을 크게 가속화하는 것입니다.
더 읽기
현재 Graphormer는 분자 동역학 및 속성 예측을 포함한 다양한 분자 시뮬레이션 작업을 강력하게 지원합니다. 개발 로드맵에는 반응 예측, 역합성, 분자 생성 및 폴리머 및 단백질과 같은 대규모 분자 모델링과 같은 중요한 응용 분야를 포함하도록 향후 확장될 예정입니다. 또한, 약물-단백질 상호작용(DPI) 예측 및 기타 필수 영역의 기능을 향상시킬 것입니다.
Graphormer의 기반은 NeurIPS 2021 논문 "Do Transformers Really Perform Badly for Graph Representation Learning?"에 자세히 설명되어 있습니다. 이 연구는 표준 Transformer 아키텍처를 기반으로 구축된 최초의 딥러닝 모델인 Graphormer를 소개했으며, 그래프 수준 예측 작업에서 기존 그래프 신경망보다 뛰어난 성능을 입증했습니다. 이 혁신적인 접근 방식은 상당한 성과를 거두었습니다.
Graphormer는 380만 개 이상의 분자에 대한 양자 속성을 예측하기 위해 AI를 사용하는 대회인 KDD Cup – OGB-LSC 양자 화학 트랙에서 1위를 차지했습니다. 이 대회에는 주요 업계 플레이어를 포함하여 500개 이상의 팀이 참가했습니다. 최근 Graphormer는 AI 기반 촉매-흡착질 반응 시스템 모델링에 중점을 둔 대회인 Open Catalyst Challenge에서 우승을 차지했습니다. 이 챌린지는 66만 개 이상의 시스템을 시뮬레이션했으며, 이는 재료 발견 및 관련 분야의 AI 발전을 주도할 Graphormer의 잠재력을 강조합니다.
Graphormer의 고급 사전 훈련 버전은 Azure Quantum Elements를 통해 액세스할 수 있어 연구원이 기능을 활용할 수 있는 간소화된 경로를 제공합니다. 이 프로젝트는 또한 포괄적인 문서와 커뮤니티 참여 및 개발을 위한 GitHub 리포지토리를 통해 지원됩니다.
- 카테고리과학적 발견 및 실험실 도구
- 요금제오픈소스
- 배포클라우드
- 플랫폼웹
Graphormer 하이라이트
분자 모델링을 위한 딥러닝 패키지
재료 및 신약 발견을 위한 AI 가속화
분자 동역학 시뮬레이션 지원
분자 속성 예측 가능
그래프 표현 학습을 위한 Transformer 기반 아키텍처
기존 그래프 신경망보다 뛰어난 성능
KDD Cup – OGB-LSC 양자 화학 트랙 우승
Open Catalyst Challenge 우승
반응 예측을 위한 향후 지원
역합성을 위한 향후 지원
분자 생성을 위한 향후 지원
대규모 분자 모델링 (폴리머, 단백질)을 위한 향후 지원
약물-단백질 상호작용 (DPI) 예측을 위한 향후 지원
Graphormer 시작하기
모델 액세스: Azure Quantum Elements 또는 오픈 소스 리포지토리를 통해 Graphormer에 액세스합니다.
환경 설정: 필요한 딥러닝 프레임워크 및 라이브러리로 개발 환경을 구성합니다.
API를 통한 통합: 제공된 API를 사용하여 Graphormer를 분자 모델링 워크플로에 통합합니다.
맞춤형 모델 훈련: 특정 분자 시뮬레이션 작업을 위한 맞춤형 모델을 개발하고 훈련합니다.
성능 최적화: 정확성과 효율성을 높이기 위해 모델 매개변수 및 구성을 미세 조정합니다.
연구에 적용: 재료 발견, 신약 발견 및 기타 과학적 응용을 위해 훈련된 모델을 배포합니다.
Graphormer의 사용 사례
- 재료 발견
- 신약 개발
- 분자 동역학
- 속성 예측
- 양자 화학
- 촉매 모델링
