WO2025238429 - IRREDUCIBLE CARTESIAN TENSORS FOR MACHINE LEARNING PROPERTIES OF BIOLOGICAL MATTER AND MATERIALS
National phase entry is expected:
Publication Number
WO/2025/238429
Publication Date
20.11.2025
International Application No.
PCT/IB2025/052665
International Filing Date
13.03.2025
Title **
[English]
IRREDUCIBLE CARTESIAN TENSORS FOR MACHINE LEARNING PROPERTIES OF BIOLOGICAL MATTER AND MATERIALS
[French]
TENSEURS CARTÉSIENS IRRÉDUCTIBLES POUR L'APPRENTISSAGE AUTOMATIQUE DE PROPRIÉTÉS DE MATIÈRES BIOLOGIQUES ET DE MATÉRIAUX
Applicants **
NEC LABORATORIES EUROPE GMBH
Inventors
ZAVERKIN, Viktor
ALESIANI, Francesco
MARUYAMA, Takashi
Priority Data
24176051.1
15.05.2024
EP
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 | 2503 | |
| EPO | Filing, Examination, Granting | 9994 | |
| Japan | Filing, Examination, Granting | 2170 | |
| South Korea | Filing, Examination, Granting | 2051 | |
| USA | Filing, Examination, Granting | 6540 |
Total:
23,258
Contact Us
Abstract[English]
A computer-implemented, machine learning method for predicting molecular properties includes embedding an atomic system of a molecule using irreducible Cartesian tensors. Interactions between rotation-equivariant features are computed using a message passing neural network trained to apply equivariant convolutions defined by an irreducible Cartesian tensor product of the irreducible Cartesian tensors. Many-body features of the molecule are computed using the message passing neural network based on the irreducible Cartesian tensor product. The molecular properties for the molecule are predicted based on the many-body features. The method has applications including, but not limited to, use cases in computational biology and medical Al and healthcare for optimizing vaccine design or supporting decision making in diagnosis and treatment of patients.[French]
Un procédé d'apprentissage automatique mis en œuvre par ordinateur pour prédire des propriétés moléculaires comprend le plongement d'un système atomique d'une molécule à l'aide de tenseurs cartésiens irréductibles. Des interactions entre des caractéristiques équivariantes par rotation sont calculées à l'aide d'un réseau neuronal de passage de messages entraîné pour appliquer des convolutions équivariantes définies par un produit de tenseurs cartésiens irréductibles des tenseurs cartésiens irréductibles. Des caractéristiques à N corps de la molécule sont calculées à l'aide du réseau neuronal de passage de messages sur la base du produit de tenseurs cartésiens irréductibles. Les propriétés moléculaires pour la molécule sont prédites sur la base des caractéristiques à N corps. Le procédé a des applications comprenant, entre autres, des cas d'utilisation en bioinformatique et IA médicale et en soins de santé pour optimiser la conception de vaccins ou prendre en charge la prise de décision en diagnostic et traitement de patients.