Zur JKU Startseite
Institut für Machine Learning
Was ist das?

Institute, Schools und andere Einrichtungen oder Angebote haben einen Webauftritt mit eigenen Inhalten und Menüs.

Um die Navigation zu erleichtern, ist hier erkennbar, wo man sich gerade befindet.

Johannes Schimunek, LAss

Forschungsthemen

  • Deep Learning and Neural Networks
  • Few-shot learning
  • In-context learning
  • Machine learning for drug discovery
  • Hopfield Networks and Transformers

Ausgewählte Publikationen

  • Context-enriched molecule representations improve few-shot drug discovery (2023).  Schimunek, J., Seidl, P.,  Friedrich, L., Kuhn, D., Rippmann, F., Hochreiter, S., & Klambauer, G. In The Eleventh International Conference on Learning Representations
  • A community effort to discover small molecule SARS-CoV-2 inhibitors (2023). Schimunek, J., Seidl, P., Elez, K., Hempel, T., Le, T., Noé, F., ... & Hermans, T.
  • A generalized framework for embedding-based few-shot learning methods in drug discovery (2021). Schimunek, J., Friedrich, L., Kuhn, D., Rippmann, F., Hochreiter, S., & Klambauer, G. In ELLIS Machine Learning for Molecule Discovery Workshop.
  • Comparative assessment of interpretability methods of deep activity models for hERG (2021). Schimunek, J., Friedrich, L., Kuhn, D., Hochreiter, S., Rippmann, F. and Klambauer, G. In 19th International Workshop on (Q)SAR in Environmental and Health Sciences.
  • Large-scale ligand-based virtual screening for SARS-CoV-2 inhibitors using deep neural networks (2020).  Hofmarcher, M., Mayr, A., Rumetshofer, E., Ruch, P., Renz, P., Schimunek, J., ... & Klambauer, G.