ODBIERZ TWÓJ BONUS :: »

Eksploracja danych medycznych Metody sztucznej inteligencji w projektowaniu syntez leków (ebook)(audiobook)(audiobook)

Okładka książki/ebooka Eksploracja danych medycznych Metody sztucznej inteligencji w projektowaniu syntez leków

Okładka książki Eksploracja danych medycznych Metody sztucznej inteligencji w projektowaniu syntez leków

Okładka książki Eksploracja danych medycznych Metody sztucznej inteligencji w projektowaniu syntez leków

Okładka książki Eksploracja danych medycznych Metody sztucznej inteligencji w projektowaniu syntez leków

Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
197
     PDF

 Oddając tę monografię w ręce P.T. Czytelników, chcielibyśmy omówić różnice w stosunku do pierwowzoru pt. Artificial Intelligence in Chemistry: Structure Elucidation and Syntheses Design, opracowanego po części w Rzeszowie, oraz później, podczas pobytu jednego z nas (ZSH) w Department of Computer Science and Engineering, Auburn University, Auburn (Alabama, USA). Treść książki uzupełniono nowymi danymi na temat modelu macierzowego chemii konstytucyjnej (ang. matrix model of constitutional chemistry), jednego z największych osiągnięć współczesnej nauki. Dodano także przykłady zastosowania wspomnianego modelu w projektowaniu syntez związków chemicznych o złożonej budowie strukturalnej. W literaturze naukowej model macierzowy jest często oznaczany skrótem D-U, który powstał ze złożenia pierwszych liter nazwisk jego dwóch twórców (prof. James Dugundji, University of Southern California, LA, USA, opracował podstawy matematyczne modelu, oraz prof. Ivar Ugi, Technische Universität Műnchen, opracował główne koncepcje modelu). Przykłady zastosowań modelu macierzowego zostały sprawdzone przy pomocy systemu informatycznego CSB, ilustrującego w niniejszej monografii metodykę symulowania reakcji chemicznych. Pierwsza wersja tego systemu została opracowana w grupie naukowej, złożonej z następujących osób: prof. Zdzisław Hippe, dr inż. Grzegorz Fic, dr inż. Grażyna Nowak oraz mgr inż. Michał Mazur [Hippe, Fic oraz Mazur, 1992]. Nową wersję systemu [Hippe, 2014] wyposażono w algorytmy uczenia maszynowego (ang. machine learning), co nadało modelowi macierzowemu chemii konstytucyjnej nowy, niekonwencjonalny wymiar. Istotną zmianę treści monografii w porównaniu do wspomnianego pierwowzoru, wprowadził prof. Jerzy W. Grzymała-Busse (JGB) z Kansas University, Lawrence (Kansas, USA), konsultując zastosowanie algorytmów uczenia maszynowego w modelu D-U; ponadto zweryfikował zgodność językową (angielsko/polską) podstawowych pojęć z zakresu. Pomysłodawca modelu macierzowego, prof. Ivar Ugi z Technische Universität Műnchen (TUM), za opracowanie koncepcji modelu był nominowany do nagrody Nobla. Chronologiczny wykaz publikacji prof. Ugi podano w Załączniku B 2 Zwięzły opis systemu CSB podano w Załączniku A sztucznej inteligencji (ang. artificial intelligence, AI) oraz planowania syntez chemicznych (ang. syntheses planning). W monografii zamieszczono ponadto Ćwiczenia literaturowe do nauki objaśniania wyników projektowania syntez chemicznych, uzyskanych za pomocą różnych technik sztucznej inteligencji oraz uczenia maszynowego. Osiągnięte wyniki nie zawsze odzwierciadlają istniejące realia chemiczne: należy je uznać za prognozy, wymagające przemyśleń, studiów literaturowych oraz weryfikacji laboratoryjnej. Całkowicie nowy, oryginalny kształt ćwiczeń został nadany przez dr. inż. Teresę Mroczek (TM). Wspomniane ćwiczenia literaturowe polegają w praktyce na zapoznaniu się z zamieszczonymi planami syntez oraz ich ocenie, wykorzystując udostępniony w sieci Internet (w postaci pdf na stronie oznaczonej symbolem Free Science Books) podręcznik: Stuart Warren, Paul Wyatt: Organic Synthesis: The Disconnection Approach, Wiley, 2nd Edition, © 2009, ISBN: 976-0-470-71236-8. Podtytuł monografii Metody sztucznej inteligencji w projektowaniu syntez leków, wskazuje na niewątpliwie najbardziej frapujący, a jednocześnie ważny oraz obiecujący obszar zastosowań tej dziedziny informatyki. Doświadczenia tu zdobyte można stosunkowo łatwo uogólnić i wykorzystać w innych obszarach wiedzy, na przykład w automatyzacji badań, w pracach nad podejmowaniem decyzji w przypadkach niepewności, czy ujawnianiu zależności ukrytych (pozornie) w bardzo dużych zbiorach danych. 

0 Jerzy W. Grzymała-Busse, Zdzisław S. Hippe, Teresa Mroczek

Zamknij

Wybierz metodę płatności