AGH University of Krakow 发布 MolPILE 数据集, 应用在 分子机器学习、药物设计 领域

AGH University of Krakow 本次发布的数据集 MolPILE, MolPILE是一个包含约2.22亿个小分子的数据集，用于分子表示学习和神经网络模型预训练。该数据集基于多个来源构建，包括UniChem和PubChem等大型化学数据库，以及Mcule和ChemSpace等筛选目录。MolPILE数据集具有规模大、多样性高、质量严谨的特点，通过多步骤处理和过滤流程确保数据质量，包括去重、结构标准化和现实可行性过滤。MolPILE旨在为分子机器学习提供一个类似于计算机视觉中的ImageNet和自然语言处理中的PILE的统一和标准化的预训练资源。

查看MolPILE

Dataset card 内容： 

Files and versions 内容： 

关于 AGH University of Krakow , AGH University of Krakow是位于波兰克拉科夫的一所著名大学，以其在科学和技术领域的教育和研究活动而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。