Архитектура LAGNet может применяться для ускорения расчета геометрической графовой нейросетью электронной плотности молекул в процессе создания новых лекарств.

Решение, берущее за основу архитектуру DeepDFT, позволяет оптимизировать используемые для обучения модели ресурсы с помощью решетки Лебедева — математического подхода для оптимального распределения точек на сфере. Объем требуемых для обучения данных о линейных комбинациях атомных орбиталей сократился в 42 раза, а требования к хранилищу — в 8 раз.

За счет этого модель на основе архитектуры обучается в четыре раза быстрее аналогов и показывает лучшую точность при работе с лекарственными молекулами.

LAGNet была представлена учеными из Института AIRI в мае 2025 года. Доступна как открытое ПО.

Репозиторий на GitHub

Статья в Journal of Cheminformatics

👤 Константин Ушенин

• Смотреть