Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives

Designing molecules with desired properties in drug, vaccine, and materials discovery is a challenge. Accurately identifying lead candidate molecules early on can significantly reduce the time and cost involved. Artificial Intelligence (AI) has the potential to revolutionize drug and material discovery by analyzing evidence from a large amount of previously accumulated data, thereby significantly accelerating the process. This Project will examine searching for molecules with optimized properties in the presence of different types of oracles, corresponding to estimators of the desired properties at varying degrees of computational cost and fidelity. The Project aims to build an efficient and effective machine learning framework for searching molecules with designed properties, and showcase its applications on antibiotic and materials discovery, thereby enabling AIempowered candidate discovery. This presents a solution for reducing a resource intensive and time consuming design bottleneck, which is a core design challenge across many industrial domains.

La conception de molécules dotées des propriétés souhaitées dans le cadre de la découverte de médicaments, de vaccins et de matériaux est un véritable défi. Identifier avec précision les molécules candidates principales dès le début peut réduire de manière appréciable le temps et les coûts impliqués. L’intelligence artificielle (IA) a le potentiel de révolutionner la découverte de médicaments et de matériaux en analysant les preuves à partir d’une grande quantité de données précédemment accumulées, accélérant ainsi considérablement le processus. Ce projet examinera la recherche de molécules aux propriétés optimisées en présence de différents types d’oracles, correspondant à des estimateurs des propriétés souhaitées à des degrés variables de coût de calcul et de fidélité. Le projet vise à construire un cadre d’apprentissage automatique efficace et rapide pour la recherche de molécules aux propriétés conçues, et à présenter ses applications pour la découverte d’antibiotiques et de matériaux, permettant ainsi la découverte de candidats assistée par l’IA. Il s’agit d’une solution pour réduire le goulot d’étranglement de la conception, qui nécessite beaucoup de ressources et de temps, et qui constitue un défi majeur pour la conception dans de nombreux domaines industriels.

In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.

À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.

Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.

Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.