人工智能和机器学习

我们提供必要的数据、见解和技术，以加速药物发现，推动材料创新，并找到更好的出发点。

我们提供必要的数据、见解和技术，以加速药物发现，推动材料创新，并找到更好的起点。

联系我们

提高预测准确性

数据、描述符和算法都在机器学习中发挥着关键作用，必须仔细优化以最大化预测准确性。

发现新化学

模型无法预测他们没有见过东西。 数据多样性和代表性，即使在稀疏的子空间中，也能实现更新颖的预测。

找到更多可行的起点

确定更可行的线索和目标，减少不必要的试验，以提高研发效率。

分子表示法是人工智能最重要的组成部分。 如果做错了，则从一开始就输了。 这甚至比算法都重要。

Jürgen Cox 博士
教授
德国马克斯普朗克生化研究所
Path 170 Copy 4

预测新化学

拜耳公司的科学家利用 CAS 人工标引的数据集，将预测准确性提高了 32%。 这种罕见反应类别中预测能力的增强有助于获得新的、有用的结果，开辟难以研究的科学领域。

下载白皮书

ICL 发现废弃化合物的新用途

“人工智能必须能够有效地将我们的目标化合物与数据中的已知应用联系起来。”

Aviad Karniel；运营经理
ICL 中央研发设施
阅读 ICL 案例研究

数据质量对机器学习效果的影响

参阅由 CAS 数据科学家打造的该定量研究，了解对用于评估化合物相对于不同靶点的生物活性的算法而言，在不改变算法的情况下，仅提高输入数据的质量会如何影响预测的准确性。

下载案例研究

“数据又多又好，这很明显，

但如解读数据的方法并不明显。 编码要求具备非常专业的化学知识。CAS 的科学家专业功底深厚，利用其描述符可获得更好的结果。”

联合创始人/首席科学官 Alpha Lee 博士
PostEra
Improved Data Integrity Enhances R&D Efficiency

我们的服务

Custom curation

Meet your specific model requirements with hard-to-find data curated by our scientists

Harmonization and structuring

Ensure your data is AI-ready

Content licensing

Train and validate your model with the CAS Content Collection

Customized molecular descriptors

Optimally encode and represent chemical structures

Custom consulting

Avoid common missteps with scientific information for informatics success

资源

更多资源