Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Geometric Deep Learning to Facilitate Algorithmic and Scientific Advances in Therapeutics
Proyek riset & pengembangan

CAREER: Geometric Deep Learning to Facilitate Algorithmic and Scientific Advances in Therapeutics

Ringkasan tujuan riset

Geometric deep learning dikembangkan untuk representasi graf multimodal yang peka konteks molekul dan mampu mendukung mesin pencarian kandidat terapeutik pada data besar.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2339524Periode tercatat 2024-02-15 sampai 2029-01-31.NSF 2339524MulaiAkhir tercatat202420302024-02-152029-01-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Algoritme akan menggabungkan pengamatan molekul serta sekuens protein untuk menyesuaikan representasi menurut konteks dan tugas. Foundation graph model diteliti agar pengetahuan dapat berpindah ke masalah baru dengan data terbatas. Mesin pencari menilai banyak kriteria untuk menjelajahi ruang kandidat yang terlalu besar bagi skrining eksperimen. Penemuan obat lebih cepat menjadi potensi hilir, bukan bukti aktivitas biologis atau keberhasilan terapi suatu molekul.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Harvard University
Program
Info Integration & Informatics
Periode pendanaan tercatat
2024-02-15 → 2029-01-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.