分布式强化学习药物生成应用
【摘要】 论文依据：http://primo.ai/index.php?title=Generative_Tensorial_Reinforcement_Learning_(GENTRL)隐式表达模型 + 自动编码器在预训练的基础上能够一定程度上表征分子特征，生成新的分子空间；利用张量生成，该模型可以从空间自生成分子序列，结合强化学习模式，对生成的分子序列打分反馈，更新隐式表达模型，学习进化，优化生成...
论文依据：http://primo.ai/index.php?title=Generative_Tensorial_Reinforcement_Learning_(GENTRL)
隐式表达模型 + 自动编码器在预训练的基础上能够一定程度上表征分子特征，生成新的分子空间；
利用张量生成，该模型可以从空间自生成分子序列，结合强化学习模式，对生成的分子序列打分反馈，更新隐式表达模型，学习进化，优化生成结构。
（图片来自上述论文）
针对原码训练时间过慢问题对强化学习部分进行优化，尝试运用分布式架构加速训练：
learner-actor分离：
分布采样，扩大 batchsize 的同时相应提高 learning rate
结果显示：有效提高速度，worker数量与速度呈正比
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）