Generative Chemical Language Models for Energetic Materials Discovery
यह शोध पत्र एक ट्रांसफर-लर्निंग फ्रेमवर्क प्रस्तुत करता है जो व्यापक रासायनिक डेटा पर प्री-ट्रेन और क्यूरेटेड ऊर्जावान सामग्रियों (energetic materials) के डेटासेट के साथ फाइन-ट्यून किए गए जनरेटिव मॉलिक्यूलर लैंग्वेज मॉडल्स का उपयोग करता है, ताकि फ्रैगमेंट-आधारित एनकोडिंग्स के माध्यम से डेटा की कमी को दूर किया जा सके और अगली पीढ़ी की ऊर्जावान सामग्रियों की खोज में तेजी लाई जा सके।