基于结构的人工智能工具可以预测各种截然不同的反应

创建了新的软件可以预测各种反应的结果,但也比其他项目更灵活处理时完全不同的化学问题。机器学习平台,它使用基于结构的分子表征reaction-based大数据集,可以找到不同的在有机化学中的应用。

虽然机器学习方法已广泛用于预测目标的分子特性和生物活性分子,他们的应用程序在预测反应的结果是有限的,因为当前模型通常不能被转移到不同的问题。相反,复杂的参数化需要为每个单独的情况下能达到良好的结果。研究人员在德国现在报告一般方法,克服了这一局限性。

之前的模型准确预测高度复杂和问题特定的反应结果,”说弗兰克Glorius德国明斯特大学的,他领导了这一研究。他们大多是基于先前获得的理解底层的过程,不能被转移到其他问题。在我们的方法中,我们使用一个通用的表示相关化合物,这完全是基于他们的分子结构。这使我们的程序的一般适用性多样的习题。

这个新工具是基于假设反应可以直接来源于一个分子的结构和使用一个输入基于多个指纹特征的全面分子表示。澳门万博公司弗雷德里克Sandfort解释说,他也参与了研究,有机化合物可以表示成图,简单的结构(yes / no)可以进行查询。的指纹数字序列的基础上,结合许多这样的连续查询,”他说。他们最初被开发出来的结构相似性搜索和被证明是适合应用程序的计算模型。我们使用大量的不同的指纹来代表每个化合物的分子结构尽可能准确地”。

Glorius指出他们的平台有很多种用途。虽然我们的模型可以用来预测分子性质,其最重要的应用程序反应结果的准确预测,”他说。我们可以比较准确地预测选择性和收益率问题特定的模型。此外,该模型应用于预测相对转换基于高通量数据集从未使用机器学习解决。”

程序也很容易使用,研究人员说。这只需要输入数据在一个非常简单的形式和一些问题特定的设置,“Sandfort解释道。他补充说,工具已经在线,将进一步更新与团队的最新发展。

罗伯特·佩顿科罗拉多州立大学的中心和计算机辅助合成、我们,他并没有参与这项研究,指出机器学习方法被越来越多的用于识别数据中的模式可以帮助预测实验的结果。的化学家设法利用这些技术将分子结构转化为向量的数字,然后可以通过学习算法,”他说。”表示只使用信息从一个分子的原子及其连通性是不可知论者特定的反应,因此可以使用多个反应类型为不同类型的预测。解释这些预测未来发展——所有机器学习方法共享的挑战将是有价值的。