ترجمه فارسی مقاله PolyCL: یادگیری متضاد برای یادگیری بازنمایی پلیمر از طریق افزایش آشکار و ضمنی

چکیده

Polymers play a crucial role in a wide array of applications due to their diverse and tunable properties. Establishing the relationship between polymer representations and their properties is crucial to the computational design and screening of potential polymers via machine learning. The quality of the representation significantly influences the effectiveness of these computational methods. Here, we present a self-supervised contrastive learning paradigm, PolyCL, for learning high-quality polymer representation without the need for labels. Our model combines explicit and implicit augmentation strategies for improved learning performance. The results demonstrate that our model achieves either better, or highly competitive, performances on transfer learning tasks as a feature extractor without an overcomplicated training strategy or hyperparameter optimisation. Further enhancing the efficacy of our model, we conducted extensive analyses on various augmentation combinations used in contrastive learning. This led to identifying the most effective combination to maximise PolyCL’s performance.

چکیده به فارسی (ترجمه ماشینی)

پلیمرها به دلیل خاصیت متنوع و قابل تنظیم آنها نقش مهمی در طیف گسترده ای از برنامه ها دارند.برقراری رابطه بین بازنمودهای پلیمری و خصوصیات آنها برای طراحی محاسباتی و غربالگری پلیمرهای بالقوه از طریق یادگیری ماشین بسیار مهم است.کیفیت نمایندگی به طور قابل توجهی بر اثربخشی این روشهای محاسباتی تأثیر می گذارد.در اینجا ، ما یک الگوی یادگیری متضاد متضاد ، Polycl ، برای یادگیری بازنمایی پلیمری با کیفیت بالا و بدون نیاز به برچسب ها ارائه می دهیم.مدل ما استراتژی های تقویت صریح و ضمنی را برای بهبود عملکرد یادگیری ترکیب می کند.نتایج نشان می دهد که مدل ما عملکردهای بهتر یا بسیار رقابتی را در زمینه انجام وظایف یادگیری به عنوان یک استخراج کننده ویژگی بدون یک استراتژی آموزشی بیش از حد یا بهینه سازی هایپرپارامتر به دست می آورد.بیشتر با افزایش اثربخشی مدل خود ، ما تجزیه و تحلیل های گسترده ای را در مورد ترکیب های مختلف تقویت استفاده شده در یادگیری متضاد انجام دادیم.این امر منجر به شناسایی مؤثرترین ترکیب برای به حداکثر رساندن عملکرد PolyCl شد.