Из более чем 3000 представленных на ICLR2021 статей по биологии, химии и медицине были отобраны и перечислены здесь, просто в соответствии с их названиями (должно быть несколько статей, которые я пропустил). Я даже не читал аннотацию!

Обратите внимание, что они не были проверены на момент написания (7 октября 2020 г.). Все материалы: https://openreview.net/group?id=ICLR.cc/2021/Conference#all-submissions

Биология

Protein
- ProGAE: геометрическая генеративная модель на основе автоэнкодера для распутывания динамики белков
— Условное генеративное моделирование для иерархического функционального дизайна белков De Novo с несколькими метками
- Глубокое обучение белков с использованием сети Triplet-BERT
- Языковые модели белков-трансформеров являются неконтролируемыми структурными обучаемыми
- Прогнозирование специфичности ферментов с использованием сверточных нейронных сетей белкового графа
- Изучение структуры белков с помощью геометрических векторных персептронов
- Улучшение обобщаемости моделей белковых последовательностей с помощью увеличения данных
- Fold2Seq: объединенная последовательность (1D)-Fold (3D) на основе встраивания Модель для белкового дизайна
- Внутренне-внешняя свертка и объединение для обучения трехмерным белковым структурам
- BERTology встречает биологию: интерпретация внимания в белковых языковых моделях

Другое
- Точное и быстрое обнаружение вариаций числа копий с помощью короткого считывания всего генома с помощью глубокой сверточной нейронной сети
- Прогноз альтернативного сплайсинга РНК с дискретной композиционной энергией Сеть
- FsNet: сеть выбора признаков на многомерных биологических данных

Химия

Молекулярный дизайн, молекулярная генерация
- Энергетический взгляд на ретросинтез
- Актер-критик с учетом симметрии для 3D молекулярного дизайна
- ПолиРетро: Небольшой ретросинтез полимеров посредством доменной адаптации
- ВАРИАЦИОННЫЙ АВТОКОДЕР СКРЫТОЙ ОПТИМИЗАЦИИ ДЛЯ ГЕНЕРАЦИИ УСЛОВНЫХ МОЛЕКУЛ
- Глубокое эволюционное обучение для молекулярного дизайна

Другое
- ChemistryQA: набор данных с ответами на сложные вопросы из химии
— Моделирование сродства связывания лекарственного средства с мишенью с использованием графовой нейронной сети на основе BERT
— ATOM3D: Задачи по молекулам в трех измерениях
- ForceNet: графовая нейронная сеть для крупномасштабного моделирования квантовой химии
- Молекулярное представление с учетом конформации с помощью гамильтоновых нейронных сетей

Лекарство

Изображения
- Увеличение данных для ускоренной реконструкции МРТ на основе глубокого обучения
— CaLFADS: анализ скрытых факторов динамических систем в данных визуализации кальция
— Состязательный Сохранение конфиденциальности при МРТ-сканировании головного мозга
— MoCo-Pretraining улучшает представление и переносимость моделей рентгенограмм грудной клетки
— Глубокое шумоподавление для научных открытий: тематическое исследование электронной микроскопии
- Синтез реалистичных данных кальциевой визуализации популяций нейронов с использованием GAN
- Гиперреалистичное нейронное декодирование: реконструкция лицевых стимулов из измерений фМРТ через латентное пространство GAN
- Анализ данных Лурии на основе CNN Тест чередующихся серий для диагностики болезни Паркинсона

Текст, язык
- Сквозное извлечение данных о медицинских учреждениях под дистанционным наблюдением из электронных медицинских карт с качеством человеческого уровня
- На пути к надежной и надежной системе диалога для Медицинская автоматическая диагностика

Сигнал
- Скрытые марковские модели — это рекуррентные нейронные сети: приложение для моделирования прогрессирования заболевания
— Изучение содержания кислорода в крови по сигналам дыхания
— Помимо COVID- 19 Диагностика: прогноз с помощью обучения иерархическому графическому представлению
- Обучение представлению для улучшения интерпретации и точности классификации клинических факторов из ЭЭГ
- CLOPS: непрерывное изучение физиологических сигналов
- MetaPhys: Неконтролируемая адаптация с несколькими выстрелами для бесконтактного физиологического измерения
- SoCal: Выборочный опрос Oracle для активного изучения физиологических сигналов на основе согласованности
- CLOPS: Непрерывное изучение физиологических сигналов