Processant ...

Els mètodes generatius són els que són capaços de crear nous elements (per exemple imatges, o frases). Els més coneguts són els que generen text com el ChatGPT o els que generen imatges de cares de persones. Però n'hi ha d'altres. En el camp de la bioquímica, s'han presentat models per a generar compostos químics amb algunes propietats concretes. L'objectiu dels models de difusió és aprendre un model de manera que el procés pugui generar nous elements que es distribueixen de manera similar al conjunt de dades original. DiGress és un model generatiu que pot generar nous grafs amb atributs. Com que els fàrmacs es poden modelar com a grafs amb atributs, DiGress es pot utilitzar per generar fàrmacs que posteriorment es poden generar físicament i provar en un laboratori. L'objectiu d'aquest treball de fi de grau és utilitzar DiGress amb una base de dades generada a la URV que està formada per grafs amb atributs que representen fàrmacs que estan alineats amb la proteïna SARS-CoV-2 Mpro. L'alumne haurà de descarregar-es el codi de Digress, implementat en Python i executar-lo en la nostra base de dades. L'objectiu no és codificar en Python el codi d'aquest model sinò executar-los i fer-ne un anàlisi. Referència principal: DiGress: Discrete Denoising diffusion for graph generation, Clement Vignac, Igor Krawczuk, Antoine Siraudin, Bohan Wang, Volkan Cevher, Pascal Frossard, ICLR 2023 Enllaç de paper de DiGress: https://arxiv.org/abs/2209.14734 Enllaç de vídeo de DiGress: https://www.youtube.com/watch?v=k2saMtP-Fn8