Accueil Projets chemprop
chemprop
Python

chemprop

Réseaux de neurones à passage de message pour la prédiction des propriétés des molécules

par chemprop · GitHub
Étoiles
Forks
Créé
Dernier commit
Catégorie
Langue
chemistrydrug-discoverymachine-learningPython
Voir sur GitHub
En termes simples

Prédisez les propriétés des molécules en utilisant des réseaux neuronaux avancés conçus pour la chimie et la découverte de médicaments.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
chemprop — GitHub preview card
📈 Historique des étoiles
2 4022 398
2026-07-072026-08-31
📈 Suivez chemprop

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Réseaux de neurones à passage de message pour la prédiction des propriétés des molécules

chemprop compte 2.4k étoiles sur GitHub. Il a été forké 749 fois. chemprop est écrit principalement en Python. Il est développé activement depuis 2019. Ses principaux thèmes sont : chemistry, drug-discovery, machine-learning, neural-networks.

Frequently asked questions

Qu'est-ce que chemprop ?

Réseaux de neurones à passage de message pour la prédiction des propriétés des molécules

chemprop est-il open source ?

chemprop est un projet open source.

chemprop est-il gratuit ?

Oui. chemprop est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage chemprop est-il écrit ?

chemprop est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — chemprop

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=chemprop-chemprop)](https://olud.ai/project/chemprop-chemprop.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.