순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
MoleculeNet: a benchmark for molecular machine learning
Zhenqin Wu, Bharath Ramsundar, Evan N. Feinberg 외 · Chemical Science · 2017년 · 조회 18
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2017-10 발표 · 피인용 3,169회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 64개
RESEARCH PAPER 슬롯은 2017년 발표 이후 3,169회 인용·동년 상위 1%라는 높은 인용 영향력을 보이며, 후속 연구 설계에 활용도가 높아 선정되었다.
논문 요약
본 논문은 분자 머신러닝 연구에 공통된 평가 기준이 부족한 문제를 해결하기 위해 MoleculeNet이라는 대규모 벤치마크를 소개한다. 다수의 공개 데이터셋을 선별·통합하고, 평가 메트릭을 정의하며, DeepChem 라이브러리를 통해 기존 피처링·학습 알고리즘을 오픈소스로 제공한다. 벤치마크 결과는 새로운 모델들의 성능을 객관적으로 비교할 수 있음을 보여준다. 이 작업은 분자 특성 예측 연구의 표준화와 진보를 촉진한다.
후속 연구설계에 활용하기
후속 연구에서는 MoleculeNet의 데이터셋·평가 지표를 사용해 새로운 분자 특징 추출 방법이나 학습 알고리즘의 성능을 비교·검증할 수 있다.
핵심어
분자 머신러닝벤치마크데이터셋DeepChem
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.