Advertisement

MUTAG：化学分子与化合物数据集

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：TAR

简介：
MUTAG数据集是一套用于图神经网络研究的小型化学分子集合，包含188个经过 MUTATION 处理的不同芳香族化合物，广泛应用于二分类任务和图同构问题。 MUTAG是一个关于化学分子和化合物的数据集，其中原子表示为节点，化学键表示为边。该数据集包含188个硝基化合物，并且标签用于判断这些化合物是芳香族还是杂芳族。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MUTAG：化学分子与化合物数据集
    优质
    MUTAG数据集是一套用于图神经网络研究的小型化学分子集合，包含188个经过 MUTATION 处理的不同芳香族化合物，广泛应用于二分类任务和图同构问题。 MUTAG是一个关于化学分子和化合物的数据集，其中原子表示为节点，化学键表示为边。该数据集包含188个硝基化合物，并且标签用于判断这些化合物是芳香族还是杂芳族。
  • MUTAG数据集与图神经网络
    优质
    本研究探讨了MUTAG数据集在图神经网络中的应用，分析其对药物化学中分子结构分类任务的有效性和局限性。 《MUTAG数据集与图神经网络在深度学习中的应用》 MUTAG数据集是研究领域内的重要资源，在化学和生物信息学中发挥着关键作用。该数据集中包括188个小分子结构，每个小分子都以图形形式表示，并用于进行二分类任务。这些图形旨在预测特定的小分子是否对苯甲醛硝基化合物具有毒性，这一属性对于药物发现及环境安全评估至关重要。 在图神经网络（GNN）中，节点代表实体如原子或分子片段，边则指示它们之间的相互作用。MUTAG数据集的平均每个小分子包含17个节点和大约19条边，这使得它成为测试GNN模型处理复杂图形的有效基准。通过迭代聚合邻居信息来学习节点表示，并将这些表示组合成整个图的特征向量用于分类决策，“消息传递”机制使GNN能够捕捉到局部与全局结构的信息。 在实际应用中，基于MUTAG数据集进行训练后的GNN通常优于传统机器学习方法（如支持向量机或随机森林）。这是因为GNN自动利用了图形拓扑信息而非依赖于预定义的化学规则。此外，其泛化能力也使其能够对未见过的数据结构做出准确预测。 除了MUTAG外，还有许多其他数据集也被广泛用于图神经网络的研究和测试，例如PROTEINS、NCI1和COLLAB等，它们涵盖了多种应用场景如蛋白质分析、药物发现以及社交网络研究。这进一步证明了GNN在处理复杂图形数据中的通用性和有效性。 结合MUTAG与图神经网络的应用为深度学习技术在化学及生物学领域开辟了一条新路径。通过有效利用结构信息，GNN可以实现精确预测，并且对于理解分子特性具有巨大潜力。随着相关技术的持续发展，我们期待看到更多基于GNN创新应用在未来科研和工业界中的广泛运用。
  • 锂离子电池老化数据集合
    优质
    本数据集汇集了各类锂离子电池在不同条件下的老化测试数据，旨在为研究人员提供详实的数据支持，加速对电池性能衰退机理的理解与研究。 该数据集是由NASA艾姆斯卓越预测中心（PCoE）的定制电池预测测试台收集而来的。实验中的锂离子电池在不同温度条件下通过三种不同的操作曲线（充电、放电和电化学阻抗谱）进行运行。在各种电流负载水平下，对电池进行放电直至其电压降至预设的阈值为止；其中一些设定低于制造商建议的安全标准（例如2.7伏特），以诱发深度放电老化效应。重复的充放电循环会加速电池的老化过程。实验持续到电池达到使用寿命终止的标准时停止，即额定容量下降30%，从最初的2安培小时降至1.4安培小时为止。
  • CCDC数据库中的化合物信息
    优质
    CCDC数据库汇集了大量晶体结构和化学信息，为科研人员提供全面的化合物数据资源，包括有机、金属及生物分子等。 通过与美国Brookhaven国家实验室的合作，CCDC目前提供的剑桥晶体结构数据系统（CSDS）包括以下内容： 1. CSD； 2. Brookhaven蛋白质数据库（PDB），即Protein Data Bank； 3. Isostar，一个关于非键相互作用的数据库。 其中，CSD是该系统的中心部分，包含数据和软件两大部分。每年新增加的大约有一万个化合物，并且随着实验技术的进步，新加入的数据质量越来越高，R值通常小于0.05。PDB则是世界上最重要的生物大分子（如多肽、蛋白质、DNA、RNA等）及其与小分子相互作用形成的复合物的晶体结构数据库之一。CSD和PDB共同构成了关于物质设计和材料设计所需的微观信息的主要来源。
  • 数据治理、大数据分析与可视化的20份方案合集.rar
    优质
    本资源合集包含20份关于数据治理、大数据分析及可视化领域的专业解决方案，旨在帮助企业提升数据管理能力，挖掘数据价值。 3万字车辆视图大数据应用系统技术方案智慧-方案docx 4万字智惹教学科研大数据平台建设方案.doc 21万字智慧高速大数据信息化系统平台建设方案.docx 8万字企业大数据能力平台建设技术方案2022版.docx 15万字XX大数据应用专题开发技术方案.docx 6万字软件系统通用技术方案及实施方案.docx 491页智惹食药监大数据一体化云平台建设方案.docx 2023年某市智慧机场整体建设解决方案.pptx 2023年智慧公安发展构思与建设解决方案pptx
  • 化学化工物理性质数据手册（有机卷）
    优质
    《化学化工物理性质数据手册（有机卷）》是一本全面收录有机化合物物理性质的数据参考书，适用于科研、教育及工业领域。 《化学化工物性数据手册》是一本专为化学与化工领域专业人士编写的参考书，内容涵盖了广泛的化学物质及其物理性质的数据。该手册分为有机卷和无机卷两部分，其中有机卷包含了12000多种物料的详细物理性质数据，这些信息对于从事科研、生产及设计工作的人员来说至关重要。 在有机卷中，化合物被细分为14章，包括了从有机酸到烃类、酯类、酮类等各类物质。书中不仅提供了每种材料的基本物性如沸点和熔点的数据，还详细列出了它们的密度、溶解度以及反应性的信息。为了便于查阅，数据表按物料分类排列，并按照天干顺序或中文笔画为序进行排序。 本手册旨在提供一个全面详尽且实用性强的信息来源。尽管市面上已有一些物性数据库软件包可用，但由于成本等因素限制了它们的普及程度，《化学化工物性数据手册》试图填补这一空白，成为设计和研发过程中的基础资料库之一。 此外，书中还包含了一个附录——“元素名称与原子量表”，为读者提供快速检索所需元素信息的功能。尽管编写团队已经尽最大努力保证内容准确无误，但由于时间和能力的限制，仍可能存在一些不足之处。因此欢迎使用者提出反馈和建议以帮助未来版本进行改进。 手册由来自青岛化工学院及全国图算学培训中心等机构的专家共同编撰，并得到了化学工业出版社的支持。这些作者各自负责不同章节的内容编写工作并完成了最终统稿流程。在前言部分，编辑团队也分享了他们在收集整理数据过程中的挑战和经验，强调该手册不仅是对现有知识体系的一次系统性总结，更是对未来化工研究与应用领域的一种贡献。 作为化学及化工专业人员的重要参考资料，《化学化工物性数据手册》为提高工作效率和准确性提供了有力支持。
  • 标准化分类的数据集
    优质
    简介：本数据集采用统一标准进行分类与整理，涵盖多个领域，旨在促进数据分析和机器学习研究中的可比性和复现性。 用于分类的标准数据集包括iris、wine、breast和glass四个数据集，方便聚类实现。
  • Python机器学习入门（二）—— 数据可视化与测试数据集分析
    优质
    本课程为Python机器学习系列教程第二部分，重点讲解如何使用Python进行数据可视化及测试数据集的有效分析，帮助初学者掌握必备技能。 西雅图天气数据集包含了一系列关于美国华盛顿州西雅图市的气象记录，涵盖了温度、湿度、风速等多个方面的详细信息。这些数据对于研究气候模式以及进行相关的数据分析非常有帮助。
  • Excel数据可视化分析模板合集（39份）.zip
    优质
    本资源包包含39个Excel数据可视化分析模板，涵盖图表、仪表盘等多种类型，适用于各种数据分析场景，帮助用户高效呈现和理解复杂数据。 数据可视化分析Excel模板可以帮助用户更直观地展示和理解复杂的数据关系与趋势。通过使用图表、图形以及其他视觉元素，这些模板能够将大量枯燥的数字转化为易于理解和交流的信息概览。此外，它们还支持自定义设置以适应不同项目的需求，使得数据分析过程更加高效便捷。