应用场景：
有机化合物的结构识别
需求点：
传统的计算机辅助化合物结构识别系统依赖于谱图库，通过把未知化合物的谱图和已知化合物的谱图匹配，便可找出未知化合物的可能结构。但谱图的收集费时费力，现有方法往往受限于谱图库的容量限制，谱图匹配方法精度和速度也依然存在着很大的局限性。
有机化合物的结构识别是化学研究的重要领域，通过把未知化合物的谱图和已知化合物的谱图匹配，便可找出未知化合物的可能结构。我们运用对比学习设计了跨模态碳谱-结构检索系统 CReSS，实现了直接基于分子结构库的化合物识别。经测试，CReSS的召回率Recall@10 达91.64%，且单次查询仅耗时 0.114 s。
目前DrugFlow已集成CReSS，分子结构底库包含4亿化合物。
北京协和医学院药物研究所硕士，在计算化学期刊J. Chem. Inf. Model.和分析化学期刊Anal. Chem发表文章2篇，申请专利两项，美国化学会2022春季年会亚太计算化学学生分会场线上口头报告。
会议主题：基于对比学习的跨模态碳谱-结构检索及其在化合物识别的应用
会议时间：2023/04/23 14:30-15:30
关于碳硅智慧 (www.carbonsilicon.ai)
碳硅智慧是一家聚焦于新药研发的科技公司，我们的定位是新药研发领域的人工智能基础设施和服务提供商。我们希望将最先进的生命科学技术与人工智能等信息科学技术深度融合，面向新药研发，利用深度生成（AIGC）、自监督预训练、强化学习等人工智能先进技术，并深度融合物理计算及软硬件自动化技术，通过提高新药研发领域生产数据、管理数据以及对数据进行AI建模的能力，将新药研发各环节数字化和智能化，形成干湿试验数据闭环，解决新药研发难题。
关于DrugFlow (www.drugflow.com)
DrugFlow是由碳硅智慧研发的AI驱动的一站式创新药发现平台，核心算法均具有自主知识产权，以SaaS或混合云方式提供给第三方客户使用。DrugFlow涵盖靶标发现，苗头化合物发现和先导化合物优化等环节，集成世界领先的靶标发现、活性预测、成药性预测、分子生成优化、虚拟筛选、AI建模等模块，帮助药化专家更高效便捷地找到潜在成药分子。DrugFlow努力打造覆盖药物研发完整流程的软件平台，基于自动化硬件产生的数据迭代模型，并将专家融合到流程中，最终形成数据驱动人机协同的统一设计平台，显著提高药物研发的确定性。
想入群参加讨论，可以在公众号后台留言“入群”，工作人员会与您联系。
DrugFlow