멋진 스마일 : SMILES 기법에서 화학 특성 예측 (2025-KO-25MP-2678)최근 정량적 구조 활성 상관(Quantitative Structure–Activity Relationship, QSAR)에서는 기계 학습을 활용하여 고급 모델을 구축하고 새로운 분자의 특성을 예측하는 방법이 사용되고 있습니다. 이를 통해 실험에 소요되는 시간과 비용을 줄일 수 있습니다. 본 발표에서는 JMP Marketplace에서 Materials Informatics Toolkit과 Torch Deep Learning의 확장을 소개합니다. 이러한 추가 기능은 화학 물질의 SMILES 문자열을 처리하기 위해 널리 사용되는 오픈 소스 RDKit 패키지를 활용하여 화학자가 QSAR을 실행하기 위한 대화적이고 강력한 워크플로우를 제공합니다. 본 발표에서는 이 확장을 사용한 몇 가지 예를 소개합니다.
자동화 및 스크립팅예측 모델링 및 머신 러닝
