{"id":23277,"date":"2025-06-30T16:58:35","date_gmt":"2025-06-30T16:58:35","guid":{"rendered":"https:\/\/lamarr-institute.org\/?post_type=event&#038;p=23277"},"modified":"2025-06-30T17:07:28","modified_gmt":"2025-06-30T17:07:28","slug":"vortrag-auf-der-ai4x-conference-von-lamarr-pi-prof-juergen-bajorath","status":"publish","type":"event","link":"https:\/\/lamarr-institute.org\/de\/events\/vortrag-auf-der-ai4x-conference-von-lamarr-pi-prof-juergen-bajorath\/","title":{"rendered":"Vortrag auf der AI4X Conference von Lamarr-PI Prof. J\u00fcrgen Bajorath"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Lamarr Principal Investigator <a href=\"https:\/\/lamarr-institute.org\/de\/person\/prof-dr-jurgen-bajorath\/\" data-type=\"person\" data-id=\"2318\">Prof. Dr. J\u00fcrgen Bajorath<\/a> wird auf der bevorstehenden AI4X Conference einen Vortrag mit dem Titel \u201eChemical Language Models and Their Learning Characteristics\u201c halten.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die AI4X Conference vereint f\u00fchrende Stimmen aus Wissenschaft und Industrie im Bereich der K\u00fcnstlichen Intelligenz und pr\u00e4sentiert aktuelle Forschung an der Schnittstelle von Maschinellem Lernen, Lebenswissenschaften und Ingenieurwesen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">In diesem Rahmen wird Prof. Bajorath erl\u00e4utern, wie chemische Sprachmodelle (Chemical Language Models, CLMs) \u2013 Deep-Learning-Architekturen, die aus der Verarbeitung nat\u00fcrlicher Sprache adaptiert wurden \u2013 in der Wirkstoffforschung eingesetzt werden, um neue molekulare Strukturen unter spezifischen Eigenschaftsbedingungen zu generieren.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Abstract<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">In den Lebenswissenschaften und der Wirkstoffforschung kommen verschiedene generative Machine-Learning-Modelle f\u00fcr unterschiedliche Anwendungen zum Einsatz. Dazu z\u00e4hlen auch sogenannte Chemical Language Models (CLMs), die auf Deep-Learning-Architekturen basieren, die urspr\u00fcnglich aus der Verarbeitung nat\u00fcrlicher Sprache (Natural Language Processing) stammen. CLMs lernen textuelle Repr\u00e4sentationen molekularer Strukturen sowie Wahrscheinlichkeitsverteilungen, um neue chemische Substanzen vorherzusagen. H\u00e4ufig werden sie durch kontextabh\u00e4ngige Regeln wie bestimmte Eigenschaftsanforderungen gesteuert.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Transformer haben sich als bevorzugte Architektur f\u00fcr CLMs etabliert. Kennzeichnend f\u00fcr diese Modelle sind der Self-Attention-Mechanismus und die F\u00e4higkeit, vielf\u00e4ltige Abbildungen molekularer Repr\u00e4sentationen mit den zugeh\u00f6rigen Eigenschaftsma\u00dfen zu erlernen. Die daraus resultierende Vielseitigkeit der CLMs bei der Bearbeitung unterschiedlicher &#8222;Machine Translation&#8220;-Aufgaben er\u00f6ffnet neue M\u00f6glichkeiten f\u00fcr das generative molekulare Design. Transformer-basierte CLMs liefern dabei h\u00e4ufig vielversprechende Ergebnisse, auch bei weniger standardisierten Vorhersageaufgaben.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Die Interpretation dieser Vorhersagen stellt jedoch eine Herausforderung dar und ist ein aktuelles Thema im Bereich der erkl\u00e4rbaren K\u00fcnstlichen Intelligenz (XAI). Bisher wurden Vorhersagen von Transformern vor allem \u00fcber die Analyse von Attention-Gewichten und -Fl\u00fcssen untersucht, doch es entstehen zunehmend alternative Ans\u00e4tze. Je nach Anwendung k\u00f6nnen beispielsweise sorgf\u00e4ltige Kontrollrechnungen dabei helfen, modelltypische Lerncharakteristika aufzudecken \u2013 was oft entscheidend ist, um Fehlinterpretationen oder durch sogenannte \u201eClever-Hans\u201c-Effekte verursachte Irritationen zu vermeiden.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Lamarr Principal Investigator Prof. Dr. J\u00fcrgen Bajorath wird auf der bevorstehenden AI4X Conference einen Vortrag mit dem Titel \u201eChemical Language Models and Their Learning Characteristics\u201c halten. Die AI4X Conference vereint f\u00fchrende Stimmen aus Wissenschaft und Industrie im Bereich der K\u00fcnstlichen Intelligenz und pr\u00e4sentiert aktuelle Forschung an der Schnittstelle von Maschinellem Lernen, Lebenswissenschaften und Ingenieurwesen. In diesem Rahmen wird Prof. Bajorath erl\u00e4utern, wie chemische Sprachmodelle (Chemical Language Models, CLMs) \u2013 Deep-Learning-Architekturen, [&hellip;]<\/p>\n","protected":false},"author":14,"featured_media":11843,"parent":0,"menu_order":0,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[175],"tags":[1189],"class_list":["post-23277","event","type-event","status-publish","format-standard","has-post-thumbnail","hentry","category-wissenschaft","tag-veranstaltung-de"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/event\/23277","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/event"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/event"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/14"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/event\/23277\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/11843"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=23277"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/categories?post=23277"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/tags?post=23277"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}