WO2025133716 - MACHINE LEARNING-ASSISTED PIPELINE FOR PREDICTING PROPERTIES OF ATOMIC SYSTEMS IN THE ABSENCE OF TRAINING DATA
National phase entry is expected:
Publication Number
WO/2025/133716
Publication Date
26.06.2025
International Application No.
PCT/IB2024/054072
International Filing Date
26.04.2024
Title **
[English]
MACHINE LEARNING-ASSISTED PIPELINE FOR PREDICTING PROPERTIES OF ATOMIC SYSTEMS IN THE ABSENCE OF TRAINING DATA
[French]
PIPELINE ASSISTÉ PAR APPRENTISSAGE AUTOMATIQUE POUR PRÉDIRE DES PROPRIÉTÉS DE SYSTÈMES ATOMIQUES EN L'ABSENCE DE DONNÉES D'APPRENTISSAGE
Applicants **
NEC LABORATORIES EUROPE GMBH
Inventors
ERRICA, Federico
CHRISTIANSEN, Henrik
ZAVERKIN, Viktor
Priority Data
63/611,795
19.12.2023
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2039 | |
| EPO | Filing, Examination, Granting | 8159 | |
| Japan | Filing, Examination, Granting | 2170 | |
| South Korea | Filing, Examination, Granting | 2051 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
19,159
Contact Us
Abstract[English]
A computer-implemented machine learning method for using a predicted property of an atomic system to train a graph machine learning model includes obtaining a candidates pool comprising a plurality of candidates and using an uncertainty-driven active learning (UDAL) to obtain a candidate specific machine learning interatomic potential (MLIP) model for a first batch of candidates. The method further includes incorporating the MLIP model into a self-tuning Hamiltonian Monte Carlo (HMC) simulator to generate an HMC output indicating the predicted property. The method also includes training the graph machine learning model based on a dataset comprising the HMC output. The method has applications including, but not limited to, use cases in medicine / healthcare, e.g., for drug design or treatment, and discovery of new materials, to optimize predictions or support decision making.[French]
Un procédé d'apprentissage automatique mis en œuvre par ordinateur destiné à utiliser une propriété prédite d'un système atomique pour entraîner un modèle d'apprentissage automatique de graphe comprend l'obtention d'un groupe de candidats comprenant une pluralité de candidats et l'utilisation d'un apprentissage actif entraîné par incertitude (UDAL) pour obtenir un modèle de potentiel interatomique basé sur l'apprentissage automatique (MLIP) spécifique candidat pour un premier lot de candidats. Le procédé comprend en outre l'incorporation du modèle MLIP dans un simulateur d'algorithme de Monte Carlo hamiltonien (HMC) auto-réglable pour générer une sortie HMC indiquant la propriété prédite. Le procédé consiste également à entraîner le modèle d'apprentissage automatique de graphe sur la base d'un ensemble de données comprenant la sortie HMC. Le procédé comprend des applications comprenant, entre autres, des cas d'utilisation en médecine/soins de santé, par exemple, pour la conception ou le traitement de médicaments, et la découverte de nouveaux matériaux, pour optimiser des prédictions ou prendre en charge la prise de décision.