MATLAB은 화학 분야에 AI(인공 지능)를 적용하기 위한 종합적인 환경을 제공하며, 이를 통해 분자 및 화학 데이터를 처리하고 분석하며 모델링할 수 있습니다. 내장된 머신러닝 및 딥러닝 툴박스를 사용해 고급 알고리즘을 살펴보고 워크플로를 자동화하며 화학 연구와 발견을 가속화할 수 있습니다.
MATLAB 및 Simulink를 사용해 다음과 같은 작업을 수행할 수 있습니다.
- 분자 특성 및 화학 반응성 예측을 위한 머신러닝 및 딥러닝 모델 개발 및 훈련
- 분자 구조 분석, 노드 분류 및 다중 레이블 그래프 분류에 그래프 신경망 적용
- 화학 데이터셋의 데이터 전처리, 특징 추출 및 모델 평가 자동화
- AI 주도 접근법을 통합해 신약 발견, 재료 설계 및 화학정보학 작업 가속화
- 화학 분야의 AI, 머신러닝 및 딥러닝 개념을 가르치기 위한 교육 리소스 생성 및 공유
그래프 컨벌루션 신경망을 사용한 분자 내 원자 분류
딥러닝을 사용해 분자 그래프 내 노드를 분류할 수 있습니다. 단계별 예제를 살펴보고 그래프 컨벌루션 신경망을 화학 연구에 적용할 수 있습니다.
그래프 어텐션 신경망을 사용한 작용기 식별
화합물의 다중 레이블 분류를 위해 고급 그래프 어텐션 메커니즘을 사용하는 방법을 알아볼 수 있습니다. 화학정보학에서 딥러닝 기법을 적용하는 데 유용한 인사이트를 제공하는 단계별 예제를 살펴볼 수 있습니다.
MATLAB에서 LLM(대규모 언어 모델)을 사용한 SMILES 기반 분자 예측
예를 들어 PyTorch®에서 사전 훈련된 외부 모델을 MATLAB에서 사용하여 마스크 처리된 분자 예측 및 화학 특성 분석을 수행할 수 있습니다.
단백질 특징 선택 및 분류를 사용한 암 진단
MATLAB을 사용해 암 진단을 위한 주요 단백질 생물지표를 식별하고 프로파일을 분류할 수 있습니다. 생물정보학 및 단백체학 연구를 증진할 수 있습니다.
제품
화학 분야의 AI 응용 사례에 사용되는 제품에 대해 알아볼 수 있습니다.
