Fechar
Metadados

Área de identificação
Tipo da ReferênciaConference Proceedings
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/43FHDQS
Repositóriosid.inpe.br/mtc-m21c/2020/10.25.14.55   (acesso restrito)
Última Atualização2020:10.25.14.55.28 simone
Metadadossid.inpe.br/mtc-m21c/2020/10.25.14.55.28
Última Atualização dos Metadados2020:10.26.18.12.49 administrator
Chave SecundáriaINPE--PRE/
DOI10.1007/978-3-030-58799-4_74
ISBN978-303058798-7
ISSN03029743
Chave de CitaçãoPinheiroSilvSoarQuil:2020:GrClAn
TítuloA graph-based clustering analysis of the QM9 dataset via SMILES descriptors
Ano2020
Data01-04 July
Data de Acesso28 nov. 2020
Número de Arquivos1
Tamanho2547 KiB
Área de contextualização
Autor1 Pinheiro, Gabriel Augusto Lins Leal
2 Silva, Juarez L. F. da Silva
3 Soares, Marinalva D.
4 Quiles, Marcos Gonçalves
ORCID1
2
3
4 0000-0001-8147-554X
Grupo1 LABAC-COCTE-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Universidade de São Paulo (USP)
3 Universidade Federal de São Paulo (UNIFESP)
4 Universidade Federal de São Paulo (UNIFESP)
Endereço de e-Mail do Autor1 gabriel.pinheiro@inpe.br
2 juarez.dasilva@iqsc.usp.br
3 mdiasoraes@gmail.com
4 quiles@unifesp.br
EditorGervasi, O.
Murgante, B.
Misra, S.
Garau, C.
Blecic, I.
Taniar, D.
Apduhan, B. O.
Rocha, A. M. A. C.
Tarantino, E.
Torre, C. M.
Karaca, Y.
Nome do EventoInternational Conference on Computational Science and Its Applications (ICCSA), 20
Localização do EventoCagliari, Italy
Título do LivroProceedings
Editora (Publisher)Springer
Histórico2020-10-25 14:55:28 :: simone -> administrator ::
2020-10-26 18:12:49 :: administrator -> simone :: 2020
Área de conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Documentoconcluido
Estágio do Documentonot transferred
Transferível1
Tipo do ConteudoExternal Contribution
Tipo SecundárioPRE CI
Tipo de Versãopublisher
Páginas421-433
Palavras-ChaveClustering · Graph · Quantum-chemistry.
ResumoMachine learning has become a new hot-topic in Materials Sciences. For instance, several approaches from unsupervised and supervised learning have been applied as surrogate models to study the properties of several classes of materials. Here, we investigate, from a graphbased clustering perspective, the Quantum QM9 dataset. This dataset is one of the most used datasets in this scenario. Our investigation is twofold: 1) understand whether the QM9 samples are organized in clusters, and 2) if the clustering structure might provide us with some insights regarding anomalous molecules, or molecules that jeopardize the accuracy of supervised property prediction methods. Our results show that the QM9 is indeed structured into clusters. These clusters, for instance, might suggest better approaches for splitting the dataset when using cross-correlation approaches in supervised learning. However, regarding our second question, our finds indicate that the clustering structure, obtained via Simplified Molecular Input Line Entry System (SMILES) representation, cannot be used to filter anomalous samples in property prediction. Thus, further investigation regarding this limitation should be conducted in future research.
AreaCOMP
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 25/10/2020 12:55 1.0 KiB 
Área de condições de acesso e uso
Idiomaen
Arquivo Alvopinheiro_graph.pdf
e-Mail (login)simone
Grupo de Usuáriossimone
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
Área de fontes relacionadas
Repositório Espelhourlib.net/www/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/3ESGTTP
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
Área de notas
NotasLecture Notes in Computer Science, v.12249
Campos Vaziosaccessionnumber archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination e-mailaddress edition format label lineage mark nextedition numberofvolumes organization parameterlist parentrepositories previousedition previouslowerunit progress project publisheraddress readergroup resumeid rightsholder secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url volume
Área de controle da descrição
atualizar 

Fechar