메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김정호 (대구가톨릭대학교) 윤영언 (대구가톨릭대학교) 김주은 (국민대학교) 배지훈 (대구가톨릭대학교) 이종혁 (대구가톨릭대학교)
저널정보
한국정보기술학회 Proceedings of KIIT Conference 한국정보기술학회 2023년도 추계종합학술대회 및 대학생논문경진대회
발행연도
2023.11
수록면
258 - 262 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
현재 의약품 제제 개발은 전통적인 시행착오 방법에 크게 의존하고 있어 1년에서 1.5년의 시간 내 비용이 지속적으로 발생한다. 이를 위해 딥러닝 및 머신러닝 기술을 의약품 개발 분야에 활발히 활용하여 시간과 비용을 극단적으로 절감하고 있다. 본 논문은 적합한 의약품 물성과 제형설계를 예측하기 위해서 SMILES(Simplified Molecular Input Line Entry System) 표기법을 따르는 화학분자식 문자열을 입력으로 GNN(Graph Neural Network) 기법 중 MPNN(Message Passing Neural Network) 기법에 기반한 모델을 생성하고 이를 통해 제제의 특성을 예측하는 방법을 제안한다. 실험 결과, 본 논문에서 제안한 방법은 여러 하이퍼 파라미터 설정에 따른 높은 성능을 보였다. 특히, 분류 모델의 Mean AUC 값은 0.983이고 회귀 모델의 Mean R² 값은 0.737로 평가되었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. MPNN 아키텍처 및 Chemprop
Ⅲ. 실험 및 결과
Ⅳ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088559553