Génération d'explications contre-factuelles pour la chimie moléculaire - Université d'Angers Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Génération d'explications contre-factuelles pour la chimie moléculaire

Résumé

De nombreux modèles d'apprentissage artificiel ont été proposés récemment en chimie moléculaire, afin d'accélérer l'estimation de propriétés moléculaires coûteuses. Le développement de méthodes d'explication de ces modèles est un enjeu important pour leur adoption par la communauté des chimistes. Nous proposons une approche pour générer des explications contre-factuelles pour tout modèle de classification moléculaire binaire. Notre méthode est basée sur une recherche par voisinage par un algorithme évolutionnaire. Nous discutons de l'importance de la mesure de similarité et des opérateurs de voisinage, et nous proposons de restreindre les opérateurs de mutation pour améliorer la pertinence des explications générées.
Fichier non déposé

Dates et versions

hal-04034150 , version 1 (17-03-2023)

Identifiants

  • HAL Id : hal-04034150 , version 1

Citer

Jules Leguy, Bryan Garreau, Thomas Cauchy, Béatrice Duval, Benoit da Mota. Génération d'explications contre-factuelles pour la chimie moléculaire. Workshop EXPLAIN'AI hosted at EGC 2022, Jan 2022, Blois, France. ⟨hal-04034150⟩
10 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More