Suche nach Wirkstoffforschung

Mozi: Kontrollierte Autonomie für KI-Agenten in der Wirkstoffforschung

Die neueste Veröffentlichung von Mozi eröffnet einen vielversprechenden Weg, künstliche Intelligenz in der Wirkstoffforschung sicher und zu…

arXiv – cs.AI 05.03.2026 05:00

Forschung

MMAI Gym: Mit Liquid Foundation Models die Wirkstoffforschung revolutionieren

Ein neues arXiv‑Paper präsentiert das MMAI Gym for Science, ein umfassendes Toolkit, das große Sprachmodelle gezielt auf die Sprache der Mo…

arXiv – cs.LG 05.03.2026 05:00

Forschung

GNN-Modelle für Molekülregression: Benchmarking und CKA-Analyse

Eine neue Studie aus dem Bereich der rechnergestützten Chemie hat die Leistungsfähigkeit von Graphen-Neuronalen Netzen (GNN) bei der Vorher…

arXiv – cs.LG 25.02.2026 05:00

Forschung

SymGraph: Symbolische Graph-Lernmethode übertrifft herkömmliche GNNs

In einem bahnbrechenden Beitrag zur Graphverarbeitung präsentiert das Forschungsteam SymGraph, ein neues symbolisches Lernframework, das di…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Neues Multi-Agent-System revolutioniert Vorhersage biologischer Störungen

Ein brandneues Multi-Agent-System namens PBio-Agent verspricht, die Vorhersage von Genregulationen bei komplexen chemischen Störungen zu re…

arXiv – cs.AI 10.02.2026 05:00

Forschung

BALANS: Skalierbare Batch‑Korrektur für Cell Painting mit lokalen Affinitäten

Cell Painting ist ein hochauflösendes Bildgebungsverfahren, das zelluläre Morphologie in detaillierten Profilen erfasst und damit die Wirks…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Tensor-DTI: Mehrwert durch multimodales kontrastives Lernen bei DTI‑Vorhersagen

Die Vorhersage von Arzneimittel‑Zielinteraktionen (Drug‑Target Interaction, DTI) ist ein zentrales Ziel der computergestützten Wirkstofffor…

arXiv – cs.LG 12.01.2026 05:00

Forschung

Quantum-Boost für GNN-Erklärungen: QGShap liefert exakte Shapley-Werte

Graph Neural Networks (GNNs) sind in Bereichen wie der Wirkstoffforschung, der Analyse sozialer Netzwerke und Empfehlungssystemen unverzich…

arXiv – cs.AI 04.12.2025 05:00

Forschung

Rep3Net: Multimodale KI für präzise Vorhersage molekularer Bioaktivität

In der frühen Phase der Wirkstoffentwicklung spielt die Vorhersage der Bioaktivität von Molekülen gegen Zielproteine eine entscheidende Rol…

arXiv – cs.LG 02.12.2025 05:00

Forschung

AssayMatch: Datenwahl für bessere Wirkstoffmodelle

Die Genauigkeit von Machine‑Learning‑Modellen in der Wirkstoffforschung hängt stark von der Qualität und Konsistenz der Trainingsdaten ab…

arXiv – cs.LG 21.11.2025 05:00

Forschung

RTMol: Moleküle und Text im Einklang – 47 % bessere bidirektionale Ausrichtung

Die neueste Veröffentlichung von RTMol stellt einen Paradigmenwechsel in der Verbindung von chemischen Strukturen und ihrer sprachlichen Be…

arXiv – cs.AI 18.11.2025 05:00

Forschung

Neuer Algorithmus identifiziert effizient beste, zulässige Optionen

In der Welt der experimentellen Entscheidungsfindung strebt die Best‑Arm‑Identification (BAI) danach, den leistungsstärksten „Arm“ – also d…

arXiv – cs.LG 14.11.2025 05:00

Forschung

<h1>SigmaDock: Fragmentbasierte SE(3)-Diffusion setzt neue Maßstäbe im Docking</h1> <p>In der Wirkstoffforschung ist das präzise Vorhersagen der Bindungspose eines Liganden an ein Protein – das sogenannte Molekulardocking – ein entscheidender Schritt. Traditionelle physikbasierte Verfahren sind zwar zuverlässig, aber oft zeitaufwendig. Generative KI‑Ansätze versprechen schnellere und vielfältigere Pose‑Sampling‑Methoden, stoßen jedoch häufig an Grenzen wie chemisch unplausible Ergebnisse, mangelnde Generali

arXiv – cs.LG 10.11.2025 05:00

Forschung

Peptide2Mol: KI-gestütztes Diffusionsmodell erzeugt peptidähnliche Moleküle für gezielte Proteinbindung

In der strukturbasierten Wirkstoffentwicklung hat die Integration von künstlicher Intelligenz neue Wege eröffnet, insbesondere bei der Erze…

arXiv – cs.LG 10.11.2025 05:00

Forschung

Neue Monographie erklärt probabilistische Entscheidungsalgorithmen

Entscheidungstheorien liefern systematische Wege, um unter Unsicherheit zu wählen. Algorithmen, die diese Theorien umsetzen, haben bereits…

arXiv – cs.LG 01.09.2025 05:00

Aktuell

Unternehmensführer betonen: KI-Agenten passen sich bestehenden Prozessen an

Block und GlaxoSmithKline (GSK) testen KI‑Agenten in zwei Schlüsselbereichen: Finanzdienstleistungen und Wirkstoffforschung. Beide Unterneh…

VentureBeat – AI 26.08.2025 21:46

Forschung

OwkinZero: KI beschleunigt biologische Forschung durch gezieltes Lernen

In einer neuen Veröffentlichung auf arXiv (2508.16315v1) zeigen die Forscher von Owkin, dass große Sprachmodelle (LLMs) trotz ihrer rasante…

arXiv – cs.LG 25.08.2025 05:00

Forschung

Hyperbolische Raumdarstellung verbessert Protein‑Ligand‑Bindungsvorhersage

Ein neues Verfahren namens HypSeek nutzt die besondere Geometrie des hyperbolischen Raums, um die Bindung von Proteinen an Liganden präzise…

arXiv – cs.LG 22.08.2025 05:00

Finde Modelle, Firmen und Themen

Mozi: Kontrollierte Autonomie für KI-Agenten in der Wirkstoffforschung

MMAI Gym: Mit Liquid Foundation Models die Wirkstoffforschung revolutionieren

GNN-Modelle für Molekülregression: Benchmarking und CKA-Analyse

SymGraph: Symbolische Graph-Lernmethode übertrifft herkömmliche GNNs

Neues Multi-Agent-System revolutioniert Vorhersage biologischer Störungen

BALANS: Skalierbare Batch‑Korrektur für Cell Painting mit lokalen Affinitäten

Tensor-DTI: Mehrwert durch multimodales kontrastives Lernen bei DTI‑Vorhersagen

Quantum-Boost für GNN-Erklärungen: QGShap liefert exakte Shapley-Werte

Rep3Net: Multimodale KI für präzise Vorhersage molekularer Bioaktivität

AssayMatch: Datenwahl für bessere Wirkstoffmodelle

RTMol: Moleküle und Text im Einklang – 47 % bessere bidirektionale Ausrichtung

Neuer Algorithmus identifiziert effizient beste, zulässige Optionen

Peptide2Mol: KI-gestütztes Diffusionsmodell erzeugt peptidähnliche Moleküle für gezielte Proteinbindung

Neue Monographie erklärt probabilistische Entscheidungsalgorithmen

Unternehmensführer betonen: KI-Agenten passen sich bestehenden Prozessen an

OwkinZero: KI beschleunigt biologische Forschung durch gezieltes Lernen

Hyperbolische Raumdarstellung verbessert Protein‑Ligand‑Bindungsvorhersage

🍪 Cookie-Einstellungen

RTMol: Moleküle und Text im Einklang – 47 % bessere bidirektionale Ausrichtung