3편의 한국어 분석 — 최신순으로 정렬했어요
대부분의 분자 및 재료 기계 학습 모델은 원자 간 양자 상호작용보다는 분자나 결정 전체의 상관관계를 학습합니다. 그러나 결합, 전하 재분배, 궤도 혼성화 및 전자 결합은 모두 이러한 2체 상호작용에서 비롯됩니다. 본 연구는 2체 양자 시스템을 최소 단위의 원자 간 상호작용으로 취급하는 다중 모드 벤치마크인 QuantumCanvas를 소개합니다. QuantumCanvas는 2,850개의 원소-원소 쌍을 최적화된 단일 기하학적 구조로 다루며, 전자, 열역학, 쌍극자 및 전하 유도 특성을 포함한 17가지 벤치마크 목표량을 평가합니다. …
독성 예측 머신러닝 모델은 무작위 분할로 인해 과대평가된 성능을 보고하는 경향이 있습니다. 이는 구조적으로 유사한 화합물이 훈련 및 테스트 세트에 동시에 나타나기 때문입니다. 본 연구는 이러한 과대평가를 정량화하고, 모델의 보정(calibration), 불확실성(uncertainty), 적용 영역(applicability domain) 분석을 통합한 엄격한 벤치마크의 필요성을 제기합니다. 저자들은 누출 감사(leakage-audited) 벤치마크인 ToxBench를 제안합니다. 이는 Tox21, ClinTox, SIDER 세 가지…
시계열 데이터는 이산 시간 순서로 배열된 데이터 포인트의 연속으로, 실제 시나리오에서 광범위하게 나타납니다. 비선형 패턴과 시변 추세의 복잡한 얽힘을 포함하는 시계열의 역동적인 특성은 학습 및 모델링에 고유한 도전 과제를 제시합니다. 최근 몇 년간 시계열 분석 기술은 전통적인 통계 방법에서 현대적인 딥러닝 모델로 전환되며 놀라운 발전을 이루었습니다. 본 연구는 다양한 분석 작업을 위한 심층 시계열 모델의 설계를 탐구하고, 기본 모듈과 모델 아키텍처라는 두 가지 관점에서 기존 문헌을 검토합니다. 나아가, 다양한 분석 작업을 위한 심…
