Artwork

Вміст надано Breaking Math, Gabriel Hesch, and Autumn Phaneuf. Весь вміст подкастів, включаючи епізоди, графіку та описи подкастів, завантажується та надається безпосередньо компанією Breaking Math, Gabriel Hesch, and Autumn Phaneuf або його партнером по платформі подкастів. Якщо ви вважаєте, що хтось використовує ваш захищений авторським правом твір без вашого дозволу, ви можете виконати процедуру, описану тут https://uk.player.fm/legal.
Player FM - додаток Podcast
Переходьте в офлайн за допомогою програми Player FM !

Molecular dynamics simulation with GFlowNets: machine learning the importance of energy estimators in computational chemistry and drug discovery

28:23
 
Поширити
 

Manage episode 442934732 series 3584638
Вміст надано Breaking Math, Gabriel Hesch, and Autumn Phaneuf. Весь вміст подкастів, включаючи епізоди, графіку та описи подкастів, завантажується та надається безпосередньо компанією Breaking Math, Gabriel Hesch, and Autumn Phaneuf або його партнером по платформі подкастів. Якщо ви вважаєте, що хтось використовує ваш захищений авторським правом твір без вашого дозволу, ви можете виконати процедуру, описану тут https://uk.player.fm/legal.

In this episode of Breaking Math, hosts Autumn and Gabriel take a deep dive into the paper “Towards Equilibrium Molecular Conformation Generation with GFlowNets” by Volokova et al., published in the Digital Discovery Journal by the Royal Society of Chemistry. They explore the cutting-edge intersection of molecular conformations and machine learning, comparing traditional methods like molecular dynamics and cheminformatics with the innovative approach of Generative Flow Networks (GFlowNets) for molecular conformation generation.

The episode covers empirical results that showcase the effectiveness of GFlowNets in computational chemistry, their scalability, and the role of energy estimators in advancing fields like drug discovery. Tune in to learn how machine learning is transforming the way we understand molecular structures and driving breakthroughs in chemistry and pharmaceuticals.

Keywords: molecular conformations, machine learning, GFlowNets, computational chemistry, drug discovery, molecular dynamics, cheminformatics, energy estimators, empirical results, scalability, math, mathematics, physics, AI

Become a patron of Breaking Math for as little as a buck a month
You can find the paper “Towards equilibrium molecular conformation generation with GFlowNets” by Volokova et al in Digital Discovery Journal by the Royal Society of Chemistry.

Follow Breaking Math on Twitter, Instagram, LinkedIn, Website, YouTube, TikTok

Follow Autumn on Twitter and Instagram

Follow Gabe on Twitter.

Become a guest here

email: breakingmathpodcast@gmail.com

  continue reading

147 епізодів

Artwork
iconПоширити
 
Manage episode 442934732 series 3584638
Вміст надано Breaking Math, Gabriel Hesch, and Autumn Phaneuf. Весь вміст подкастів, включаючи епізоди, графіку та описи подкастів, завантажується та надається безпосередньо компанією Breaking Math, Gabriel Hesch, and Autumn Phaneuf або його партнером по платформі подкастів. Якщо ви вважаєте, що хтось використовує ваш захищений авторським правом твір без вашого дозволу, ви можете виконати процедуру, описану тут https://uk.player.fm/legal.

In this episode of Breaking Math, hosts Autumn and Gabriel take a deep dive into the paper “Towards Equilibrium Molecular Conformation Generation with GFlowNets” by Volokova et al., published in the Digital Discovery Journal by the Royal Society of Chemistry. They explore the cutting-edge intersection of molecular conformations and machine learning, comparing traditional methods like molecular dynamics and cheminformatics with the innovative approach of Generative Flow Networks (GFlowNets) for molecular conformation generation.

The episode covers empirical results that showcase the effectiveness of GFlowNets in computational chemistry, their scalability, and the role of energy estimators in advancing fields like drug discovery. Tune in to learn how machine learning is transforming the way we understand molecular structures and driving breakthroughs in chemistry and pharmaceuticals.

Keywords: molecular conformations, machine learning, GFlowNets, computational chemistry, drug discovery, molecular dynamics, cheminformatics, energy estimators, empirical results, scalability, math, mathematics, physics, AI

Become a patron of Breaking Math for as little as a buck a month
You can find the paper “Towards equilibrium molecular conformation generation with GFlowNets” by Volokova et al in Digital Discovery Journal by the Royal Society of Chemistry.

Follow Breaking Math on Twitter, Instagram, LinkedIn, Website, YouTube, TikTok

Follow Autumn on Twitter and Instagram

Follow Gabe on Twitter.

Become a guest here

email: breakingmathpodcast@gmail.com

  continue reading

147 епізодів

Усі епізоди

×
 
Loading …

Ласкаво просимо до Player FM!

Player FM сканує Інтернет для отримання високоякісних подкастів, щоб ви могли насолоджуватися ними зараз. Це найкращий додаток для подкастів, який працює на Android, iPhone і веб-сторінці. Реєстрація для синхронізації підписок між пристроями.

 

Короткий довідник