Российские ученые смогли ускорить и повысить эффективность нейросетей в разработке лекарств

Российские исследователи обнаружили, что применение классических алгоритмов обучения с подкреплением может значительно ускорить и повысить эффективность работы генеративных потоковых сетей (GFlowNets), используемых в разработке новых лекарств и решении задач комбинаторной оптимизации.

Эти методы, внедренные в системы искусственного интеллекта для моделирования молекул с заданными свойствами, показали лучшие результаты по сравнению с существующими подходами, сгенерировав на 30% больше качественных молекул за время обучения.

Ученые подчеркнули, что такие подходы можно интегрировать в GFlowNets без значительных модификаций, что открывает перспективы для их широкого применения в научных и практических целях, сообщает ТАСС.

Фото: commons.wikimedia.org/Schekinov Alexey Victorovich (Creative Commons Attribution-Share Alike 4.0 International license)