共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 机器学习在有机化学中的应用显示文摘近年来,由于计算能力、大数据和算法的不断进步,人工智能(Artificial intelligence,AI)重新兴起,已成为诸多研究领域变革性发展背后的重要推动力.机器学习(Machine learning,ML)是人工智能一个重要的研究领域.随着化学信息学的发展,机器学习在化学领域展现出巨大的发展潜力,也为有机化学的发展带来了新的机遇.为帮助有机化学家了解这一-新兴领域,对如何将机器学习策略应用于有机化学研究做简单介绍,同时,概括总结了机器学习在化合物性质预测、分子从头设计、化学反应预测、逆合成分析和智能合成机器方面的应用实例,分析讨论了当前机器学习在有机化学领域面临的挑战和难题. | 刘伊迪 杨骐 李遥 张龙 罗三中 | 2020 | 有机化学2020，40，11： | 8 |
| 2 | 基于机器学习训练金属离子吸附能预测模型的研究显示文摘本研究通过密度泛函理论对氧化石墨烯和金属离子的吸附行为进行理论模拟。基于机器学习方法训练预测模型的过程中,缺失值采用推荐系统中广泛使用的奇异值分解方法处理,并用梯度提升机解释了影响吸附能的重要因素。结果发现吸附体系中存在九种特征可为吸附能提供90%的累积重要性,分别为离子半径、零点振动能量、密立根电荷、沸点、偶极矩、原子量、摩尔定容热容、自旋多重度和键长。定量评估了六种回归方法的预测精度,包括支持向量回归、岭回归、随机森林、极端随机森林、极端梯度提升和轻梯度提升机。结果表明,机器学习方法可提供足够的吸附能预测准确性,其中极端随机森林方法表现出最优的预测性能,均方误差仅为0.075。该模型用于香兰素吸附金属离子的测试,验证了基于机器学习训练金属离子吸附能预测模型的可行性,但仍需进一步提高其泛化能力。本研究基于机器学习预测吸附能,简化预测过程、节省计算时间,可为吸附去除金属离子的理论和实验研究提供参考。 | 张瑞鸿 魏鑫 卢占会 艾玥洁 | 2021 | 无机材料学报2021，36，11： | 2 |
| 3 | Prediction of Multicomponent Reaction Yields Using Machine Learning显示文摘Prediction of reaction yields using machine learning(ML)can help chemists select high-yielding reactions and provide prior experience before wet-lab experimenting to improve efficiency.However,the exploration of a multicomponent organic reaction features many complex variables and limited number of experimental data,which are challenging for the application of ML.Herein,we perform yield prediction for the synthesis of 2-oxazolidones via Cu-catalyzed radical-type oxy-alkylation of allylamines and herteroaryl-methylamines with CO_(2),which is a three-component reaction.Using physicochemical descriptors as features to launch ML modelling,we find that XGBoost shows significantly improved performance over linear models and these features are effective for the yield prediction.Moreover,out-of-sample prediction indicates the application potential of the model.This study demonstrates great potential of regression-modelling-based ML in organic synthesis even with complex factors and a general small size of reaction data,which are generated from the classical research pattern of method for the inquiry of multicomponent reactions. | Xing-Yong Zhu Chuan-Kun Ran Ming Wen Gui-Ling Guo Yuan Liu Li-Li Liao Yi-Zhou Li Meng-Long Li Da-Gang Yu | 2021 | Chinese Journal of Chemistry2021，39，12： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员