<h3>Описание задачи</h3>

<p>Ежегодно в рецензируемых журналах выходят миллионы научных статей, обогащающих человеческие знания о природе веществ. Обработка этой информации &ndash; значительный шаг к формированию химических баз данных и построению моделей, предназначенных для предсказания разнообразных свойств соединений. Однако, ручной сбор практически невозможен из-за колоссальных объемов данных, а общие большие языковые модели испытывают проблемы с химической терминологией, аббревиатурами, таблицами и структурными формулами, зачастую представленными в виде изображений. В рамках заключительного хакатона Академии искусственного интеллекта для школьников, участникам предоставляется возможность погрузиться в увлекательный процесс разработки проекта для интерпретации химических формул. Задача &ndash; создать систему, способную распознавать изображения органических молекул и переводить их в формат SMILES, уникальный язык, преобразующий сложные химические соединения в легко читаемые текстовые строки.</p>

<h3>Метрика</h3>

<p>Метрикой качества служит произведение двух величин: доли SMILES строк, которые соответствуют валидным молекулам, и средней схожести распознанных молекул с правильными по метрике Танимото. Обе величины изменяются от нуля до единицы, и задача участников получить максимальное значение.</p>

<h3><strong>Baseline</strong></h3>

<p>Приведенный пример решения задачи распознавания малых органических молекул по их изображениям базируется на encoder-decoder (&quot;кодировщик-декодировщик&quot;) системе. В качестве кодировщика используется ResNet сверточный слой, переводящий изображение в вектор фиксированной длины. Декодировщик представляет собой рекурентную нейронную сеть с LSTM механизмом внимания.</p>

<h3><strong>Данные</strong></h3>

<p>В качестве исходных данных для тренировки алгоритма предложены 100000 молекул из базы данных ChEMBL в виде SMILES строк и соответствующих 2D изображений. В рамках данного соревнования участниками также разрешается использовать любые химические базы данных и средства аугментации данных для расширения обучающего набора, если итоговое решение подходит под требования к формату, описанному ниже.</p>

<h3>Формат решений</h3>

<p>Решения запускаются в изолированном окружении при помощи Docker. Время и ресурсы во время тестирования ограничены. Модель должна принимать на вход путь к папке с изображениями и файлу indices.csv, содержащему колонку &quot;id&quot; с индексами изображений (изображения в папке именованы в формате индекс.расширение) Ответы, полученные моделью Участника, должны быть сохранены в файл predictions.csv, содержащий колонки &quot;id&quot; и &ldquo;smiles&rdquo;. Решения принимаются в виде zip-архива размером не более 5Gb, имеющего структуру:</p>

<ul>
<li>metadata.json</li>
<li>user_file_1</li>
<li>user_file_2</li>
<li>&hellip;</li>
<li>user_file_n</li>
</ul>

<p>В файле metadata.json должны быть два поля:</p>

<ul>
<li>image - публичный образ в DockerHub, например &ldquo;odsai/nto23:5.0&rdquo;</li>
<li>entry_point - команда для запуска в контейнере, например &ldquo;python run.py&rdquo;</li>
</ul>

<p>В течение одних суток Участник или Команда Участников может загрузить для оценки не более 5 решений.&nbsp;</p>

<p>Так как решение не имеет доступ к Интернету, все дополнительные данные, например, веса обученной модели, должны быть загружены в контейнер. В качестве примера организаторы предоставляют контейнер для запуска бейзлайн-решения.</p>

<p>Ресурсы для образа:</p>

<ul>
<li>8 vCPU</li>
<li>96Gb RAM</li>
<li>Nvidia V100, 32Gb</li>
<li>10Gb дискового пространства</li>
</ul>

<p>Время на исполнение - 45 минут:</p>

<ul>
<li>5 минут на check - не учитывается в метрике</li>
<li>20 минут на public</li>
<li>20 минут на private</li>
</ul>

Прими участие в заключительном хакатоне этого года от Академии ИИ! Ты сможешь попасть в сообщество самых сильных специалистов по ИИ среди школьников, а еще выиграть реальные деньги уже в школе!

Public

Private

Данные

User agreement

<p>Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/UserAgreement.pdf" rel="noopener noreferrer" target="_blank">Пользовательским соглашением и Политикой конфиденциальности</a></p>

Personal data

<p>Я даю свое <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/AIACADEMY2023/Persdata_underage.pdf" rel="noopener noreferrer" target="_blank">согласие</a> ООО &ldquo;Соревнования Анализа Данных&rdquo; на обработку и передачу моих персональных данных партнерам мероприятия для информационного взаимодействия</p>

Contest Rules

<p>Согласен (-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/AIACADEMY2023/AIACADEMY2023rules.pdf.pdf">Правилами Конкурса</a></p>

Consent

<p>Я <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/Email.pdf" rel="noopener noreferrer" target="_blank">согласен(а)</a> получать информационные рассылки от ООО &ldquo;Соревнования Анализа Данных&rdquo;&nbsp;</p>

<p>You have reached the registration page of the Hackathon AI Academy 2023.</p>

email

Email


1	Alex Ast	0.89904	0.89904	1	17m	79
2	Andrey Khlopotnukh	0.85305	0.85305	1	17m	74
3	BadSolution	0.84022	0.84022	1	17m	39
4	BananaOverfitCapybarasFSD	0.83738	0.83738	1	17m	17
5	hate molecules	0.82697	0.82697	1	17m	33
6	Mer4lf	0.81907	0.81907	1	17m	3
7	Misha Murzaev	0.81418	0.81418	1	17m	59
OOC	Ваня Фикус	0.81134	0.81134	1	17m	6
8	Mikhail Antsev	0.8112	0.8112	1	17m	11
9	krutie_perci	0.80786	0.80786	1	17m	9
10	ZZAY	0.80498	0.80498	1	17m	11
11	xdd	0.74691	0.79798	0.936	17m	26
12	tooro	0.71706	0.77688	0.923	17m	1
13	P2Pteam	0.71679	0.77692	0.9226	17m	20
14	Аффинаж	0.64734	0.64734	1	17m	52
15	Timur Sarvarov	0.59699	0.60843	0.9812	17m	4
16	danil karpov	0.58452	0.58452	1	17m	25
17	Масло Масленное	0.40193	0.43697	0.9198	17m	51
18	Валерий Тамразов	0.3652	0.4868	0.7502	17m	6
19	4FUN	0.36249	0.50926	0.7118	17m	15
20	Artiom Kholodilov	0.21283	0.25544	0.8332	17m	3
21	Denis Zhuk	0.20557	0.25923	0.793	17m	15
22	Ravshan_and_Jamshut	0.19868	0.24959	0.796	17m	20
23	qa554d1c8a7b0	0.14612	0.15817	0.9238	17m	2
24	КорИИчные зайки	0.14011	0.14441	0.9702	17m	8
25	сомнительный процент	0.13997	0.14578	0.9602	17m	9
26	MR	0.13242	0.13518	0.9796	17m	8
27	bashmak	0.12925	0.13645	0.9472	17m	14
28	Krylov Aleksandr	0.10948	0.11149	0.982	18m	2
29	ANDOR	0.10935	0.11006	0.9936	17m	18
30	Danil	0.10925	0.10925	1	17m	26
31	Igor Kartashov	0.10254	0.10254	1	17m	3
32	Artem Seleznev	0.09805	0.10025	0.978	17m	3
OOC	Miss Pibodi	0.09682	0.09912	0.9768	18m	1
33	скибиди туалеты топ1	0.09682	0.09912	0.9768	18m	1
34	костя сигалов	0.09682	0.09912	0.9768	18m	1
35	Maksim Aleksandrov	0.09682	0.09912	0.9768	18m	1
36	AI Siberia	0.09682	0.09912	0.9768	18m	1
37	Roman Pakhomov	0.09682	0.09912	0.9768	18m	1
38	Kira Prokhorova	0.09682	0.09912	0.9768	17m	1
39	Ian Gustov	0.09682	0.09912	0.9768	17m	2
40	twwist ww	0.09682	0.09912	0.9768	17m	1
41	Aleksandr Smirnov	0.09682	0.09912	0.9768	17m	1
42	rd0751713acb6	0.09682	0.09912	0.9768	17m	1
43	брутфорс	0.09682	0.09912	0.9768	17m	1
44	Dernil	0.09682	0.09912	0.9768	17m	1
45	tlr drdn	0.09682	0.09912	0.9768	17m	1
46	Дмитрий Быков	0.09682	0.09912	0.9768	17m	1
47	1511_Solo_ML	0.09682	0.09912	0.9768	17m	1
48	v72c8d5a5d8de	0.09682	0.09912	0.9768	17m	1