يعرض 1 - 10 نتائج من 58 نتيجة بحث عن '"Lim, Jaechang"', وقت الاستعلام: 1.56s تنقيح النتائج
  1. 1
    تقرير
    DeepBioisostere: Discovering Bioisosteres with Deep Learning for a Fine Control of Multiple Molecular Properties

    المؤلفون: Kim, Hyeongwoo, Moon, Seokhyun, Zhung, Wonho, Lim, Jaechang, Kim, Woo Youn

    مصطلحات موضوعية: Quantitative Biology - Biomolecules

    الوصول الحر: http://arxiv.org/abs/2403.02706Test

    View record in Arxiv

    أضف إلى المفضلة
  2. 2
    تقرير
    C3Net: interatomic potential neural network for prediction of physicochemical properties in heterogenous systems

    المؤلفون: Lee, Sehan, Lim, Jaechang, Kim, Woo Youn

    مصطلحات موضوعية: Computer Science - Machine Learning, Computer Science - Artificial Intelligence

    الوصول الحر: http://arxiv.org/abs/2309.15334Test

    View record in Arxiv

    أضف إلى المفضلة
  3. 3
    تقرير
    PIGNet2: A Versatile Deep Learning-based Protein-Ligand Interaction Prediction Model for Binding Affinity Scoring and Virtual Screening

    المؤلفون: Moon, Seokhyun, Hwang, Sang-Yeon, Lim, Jaechang, Kim, Woo Youn

    مصطلحات موضوعية: Quantitative Biology - Biomolecules, Computer Science - Machine Learning

    الوصول الحر: http://arxiv.org/abs/2307.01066Test

    View record in Arxiv

    أضف إلى المفضلة
  4. 4
    تقرير
    Fragment-based molecular generative model with high generalization ability and synthetic accessibility

    المؤلفون: Seo, Seonghwan, Lim, Jaechang, Kim, Woo Youn

    مصطلحات موضوعية: Computer Science - Machine Learning

    الوصول الحر: http://arxiv.org/abs/2111.12907Test

    View record in Arxiv

    أضف إلى المفضلة
  5. 5
    دورية أكاديمية
    PIGNet2: a versatile deep learning-based protein–ligand interaction prediction model for binding affinity scoring and virtual screening

    المؤلفون: Moon, Seokhyun, Hwang, Sang-Yeon, Lim, Jaechang, Kim, Woo Youn

    المساهمون: Ministry of Science and ICT, South Korea, National Research Foundation of Korea

    المصدر: Digital Discovery ; volume 3, issue 2, page 287-299 ; ISSN 2635-098X

    الإتاحة: https://doi.org/10.1039/d3dd00149kTest
    http://pubs.rsc.org/en/content/articlepdf/2024/DD/D3DD00149KTest

    View record in BASE

    أضف إلى المفضلة
  6. 6
    تقرير
    PIGNet: A physics-informed deep learning model toward generalized drug-target interaction predictions

    المؤلفون: Moon, Seokhyun, Zhung, Wonho, Yang, Soojung, Lim, Jaechang, Kim, Woo Youn

    مصطلحات موضوعية: Quantitative Biology - Biomolecules, Computer Science - Machine Learning

    الوصول الحر: http://arxiv.org/abs/2008.12249Test

    View record in Arxiv

    أضف إلى المفضلة
  7. 7
    تقرير
    Molecular Generative Model Based On Adversarially Regularized Autoencoder

    المؤلفون: Hong, Seung Hwan, Lim, Jaechang, Ryu, Seongok, Kim, Woo Youn

    مصطلحات موضوعية: Physics - Chemical Physics, Computer Science - Machine Learning, Statistics - Machine Learning

    الوصول الحر: http://arxiv.org/abs/1912.05617Test

    View record in Arxiv

    أضف إلى المفضلة
  8. 8
    تقرير
    Scaffold-based molecular design using graph generative model

    المؤلفون: Lim, Jaechang, Hwang, Sang-Yeon, Kim, Seungsu, Moon, Seokhyun, Kim, Woo Youn

    المصدر: Chem. Sci. 11 (2020) 1153-1164

    مصطلحات موضوعية: Computer Science - Machine Learning, Quantitative Biology - Biomolecules, Statistics - Machine Learning

    الوصول الحر: http://arxiv.org/abs/1905.13639Test

    View record in Arxiv

    أضف إلى المفضلة
  9. 9
    تقرير
    Predicting drug-target interaction using 3D structure-embedded graph representations from graph neural networks

    المؤلفون: Lim, Jaechang, Ryu, Seongok, Park, Kyubyong, Choe, Yo Joong, Ham, Jiyeon, Kim, Woo Youn

    مصطلحات موضوعية: Computer Science - Machine Learning, Statistics - Machine Learning

    الوصول الحر: http://arxiv.org/abs/1904.08144Test

    View record in Arxiv

    أضف إلى المفضلة
  10. 10
    تقرير
    Molecular generative model based on conditional variational autoencoder for de novo molecular design

    المؤلفون: Lim, Jaechang, Ryu, Seongok, Kim, Jin Woo, Kim, Woo Youn

    مصطلحات موضوعية: Computer Science - Learning, Statistics - Machine Learning

    الوصول الحر: http://arxiv.org/abs/1806.05805Test

    View record in Arxiv

    أضف إلى المفضلة
أدوات البحث: أحصل على تغذية RSS — أرسل هذا البحث بالبريد الإلكتروني — حفظ البحث