对于一个由7211个有机分子(最多七个重原子)在350K下热化的数据集(QM7b-T),RC/LR/RFC和RC/GPR/RFC仅用300个训练分子就达到了化学精度(1千卡/摩尔的预测误差),与不使用聚类的MOB-ML相比,分别提供了35000倍和4500倍的墙钟训练时间减少。结果模型也展示了保持对大分子能量预测的可转移性,仅使用小分子训练数据...
Chemistry of Materials:可解释的机器学习支持无机反应分类和合成条件预测 利用机器学习进行数据驱动的合成规划是设计和发现具有理想特性的新型无机化合物的关键步骤。无机材料的合成通常依赖于启发式原则和化学家基于实验试错积累的先验知识与经验,这个过程既耗时又耗资源。最近自然语言处理的发展使得科学文献的大规模文本挖掘...
图1 纳米反应器主动学习工作流程和所考虑的具体应用的总结 ©2024 Springer Nature AL 循环是一种用于开发 MLIP 的自动化、迭代且高效的方法。AL 生成一个训练数据集，其中仅包含基于 MLIP 集合识别的高不确定性结构的量子计算。使用 NR 模拟对与凝聚相反应化学相关的结构进行采样。初始系统由由元素 C、H、N ...
中新网北京11月1日电 (记者 孙自法)施普林格·自然旗下学术期刊《自然-通讯》最新发表一篇化学论文称，研究人员研发出一种机器学习模型，该模型能部分重现职业化学家在工作中积累的集体知识，这类知识通常被称为“化学直觉”。该研究认为，这或使今后的药物研发更高效。据论文介绍，传统上，药物与化学发现需要依靠试...
【科普视频摘要】机器学习在化学合成及表征中的应用 本文从机器学习的角度,向化学工作者展示常见学习模型在化学合成及表征中应用的最佳案例,帮助化学工作者利用机器学习的知识进一步拓展研究思路。欢迎相关领域的研究者阅读、引用!, 视频播放量 207、弹幕量 0、点赞数 5
由于缺乏充足的不缺项、配平的化学反应数据,单纯基于反应模板的方法或基于机器学习的方法都不可靠,二者的组合可能是解决问题的最佳方案。来自剑桥大学的Zhang Chonghuan等人最近提出了一种结合经验与语言模型的化学反应补全与配平方案1,目前发表在ChemRxiv中。 ——方法简述——...
计算化学可以通过量子力学计算构建数据集，因此更容易接受机器学习应用。尽管如此，化学家需要对机器学习有基本的了解，才能利用数据记录和机器学习引导实验的潜力。近日，复旦大学、中国科学院和贝尔法斯特女王大学（Queen's University Belfast）的研究人员在《Engineering》上发表综述文章：《Machine Learning for Chemistry: ...
化学家机器人被认为是化学的未来,因为它们将自动高效地进行实验,同时保持实验之间最大的数据一致性。 从理论角度来看,机器学习模型还可以用于学习低成本的可计算量,例如分子的吸附能和电子能带结构,这些对于催化很重要 。 另一方面,机器学习原子模拟可以提供有关催化剂结构和反应机理的原子级知识,这有利于催化剂的合理...
计算化学可以通过量子力学计算构建数据集,因此更容易接受机器学习应用。尽管如此,化学家需要对机器学习有基本的了解,才能利用数据记录和机器学习引导实验的潜力。 近日,复旦大学、中国科学院和贝尔法斯特女王大学(Queen's University Belfast)的研究人员在《Engineering》上发表综述文章:《Machine Learning for Chemistry: Basic...
CASP 使用人工智能 （AI） 和机器学习 （ML） 技术来预测化学反应的可能性、产量和理想情况。尽管如此...