【MILA-唐建】几何深度学习药物发现，87页ppt，附视频

几何深度学习在药物发现中的应用是一个非常有前途的研究方向。HEC 蒙特利尔大学商学院助理教授唐建对《几何深度学习药物发现》最新研究做了讲解。

唐建，加拿大蒙特利尔学习算法研究院 (MILA) 以及加拿大蒙特利尔大学商学院助理教授、博士生导师。主要研究方向为：图表示学习、图研究网络、知识图谱、药物发现。曾获得机器学习顶级会议ICML2014的最佳论文以及数据挖掘顶级会议WWW‘16的最佳论文提名。发表了一系列在图表示学习领域的经典论文包括LINE、LargeVis、RotatE以及最近的Graph Markov Neural Networks (GMNN)。

https://jian-tang.com/

几何深度学习药物发现

药物发现是一个非常漫长和昂贵的过程，平均需要10年以上，花费25亿美元来开发一种新药。人工智能有可能通过从大量生物医学数据中提取证据，显著加快药物发现的进程，从而彻底改变整个制药行业。特别是，图表示学习和几何深度学习——机器学习和数据挖掘社区中一个快速增长的主题，专注于图结构和3D数据的深度学习——已经看到了药物发现的巨大机遇，因为该领域的许多数据都表示为图形或3D结构(如分子，蛋白质，生物医学知识图谱)。在这次演讲中，我将介绍我们在药物发现几何深度学习方面的最新进展，以及一个新发布的用于药物发现的开源机器学习平台——TorchDrug。

地址：

https://www.youtube.com/watch?v=d7CkzgHi_tE

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GDLD” 就可以获取《【MILA-唐建】几何深度学习药物发现，87页ppt，附视频与PPT》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源