Giliuoju mokymu pagrįsti metodai pastaruoju metu itin plačiai naudojami įvairiems uždaviniams spręsti. Visgi šių metodų pritaikymas cheminių molekulių savybėms modeliuoti ir prognozuoti kol kas yra mažiau sėkmingas nei kitose srityse. Tai gali būti susiję tiek su cheminių molekulių duomenų, skirtų modeliams apmokyti, stoka, tiek ir su naudojamų molekulių reprezentacijų ar giliojo mokymosi metodų netobulumais. Siekiant išspręsti šias problemas, doktorantūros projekte siūloma kurti naujus giliojo mokymosi metodus, skirtus cheminėms molekulėms analizuoti ir jų savybėms prognozuoti.
Tikimasi, kad kandidatai turės arba gerų chemijos/biochemijos žinių bei patirties, arba darbo su mašininiu mokymusi ir neuroniniais tinklais įgūdžių.