El aprendizaje automático a veces puede simplemente capturar la literatura Tendencias de popularidad: un estudio de...

Área de la Ciencia:

• Química sintética
• Aprendizaje automático
• Química computacional

Sus antecedentes:

• El aprendizaje automático (ML) se aplica cada vez más para predecir la reactividad química utilizando datos de la literatura.
• Los modelos predictivos precisos son cruciales para optimizar las reacciones químicas sintéticas.
• El supuesto es que los grandes conjuntos de datos permiten la construcción de modelos robustos.

Objetivo del estudio:

• Evaluar la eficacia de los modelos ML para predecir las condiciones óptimas de reacción para el acoplamiento Suzuki-Miyaura.
• Determinar si los datos seleccionados de la literatura son suficientes para una predicción precisa de la reactividad química basada en ML.
• Identificar las limitaciones de los enfoques actuales de ML en la química sintética.

Principales métodos:

• Se utilizó una base de datos curada de más de 10.000 ejemplos de literatura de acoplamiento Suzuki-Miyaura.
• Se aplicaron varios modelos de ML, incluidas las redes neuronales de transmisión y convolución de gráficos.
• Se probaron diferentes representaciones químicas (huellas dactilares, descriptores, representaciones latentes).
• El rendimiento del modelo se comparó con las asignaciones basadas en frecuencias ingenuas.

Principales resultados:

• Los modelos de ML no pudieron proporcionar predicciones significativas para las condiciones óptimas de reacción (solventes, bases).
• El rendimiento no mejoró significativamente en diferentes arquitecturas ML o representaciones químicas.
• Las predicciones de ML no fueron sustancialmente mejores que las conjeturas aleatorias basadas en condiciones comunes.

Conclusiones:

• Los datos abundantes y seleccionados de la literatura por sí solos son insuficientes para entrenar modelos precisos de ML en química sintética.
• Los sesgos en los informes de la literatura (por ejemplo, preferencias subjetivas, disponibilidad de reactivos) y la falta de datos negativos obstaculizan el rendimiento del ML.
• La generación sistemática de conjuntos de datos fiables y estandarizados es crucial para el avance de ML en la predicción de la reactividad química.