カタリストの最適化のためのコンピュータ主導のワークフローの開発. ディスクリプター検証,サブセット選択,トレーニングセット分析
Jeremy J Henle1, Andrew F Zahrt1, Brennan T Rose1
1Roger Adams Laboratory, Department of Chemistry, University of Illinois, Urbana, Illinois 61801, United States.
Journal of the American Chemical Society
|June 23, 2020
まとめ
この研究は,伝統的な経験主義を超えて,エナチオ選択的触媒の開発を合理化するための統計的アプローチを導入しています. この情報工学のワークフローは,触媒の最適化と予測モデリングの精度を高めます.
科学分野:
- カタリシス
- コンピュータ化学
- 化学情報学
背景:
- エナチオセレクティブな触媒の開発は,伝統的に経験的方法に依存しており,それは人間の専門知識によって制限されています.
- 触媒の最適化に より体系的でデータ主導的なアプローチが必要である.
研究 の 目的:
- 統計的方法を用いて触媒の最適化のための補完的なアプローチを提示する.
- 触媒の開発を効率化するための情報工学のワークフローを開発し,検証する.
主な方法:
- 触媒の最適化のための統計的方法を使用した.
- ケーススタディで確認された形状に依存する分子記述子
- 様々な方法を用いて予測モデルのデータ要求を調査した.
- アルゴリズムで選択されたモデルと商用で利用可能なモデルを比較した.
- 限られたデータセットを拡張するために無監督学習を使用しました.
主要な成果:
- 構成に依存する分子表現は重要であると検証された.
- 正確な予測モデルに必要なデータ量を決定した.
- データ増強技術によりモデルの精度が向上しました.
結論:
- 統計的方法は,経験的な触媒の開発に強力で補完的なアプローチを提供します.
- 開発された情報工学のワークフローは,触媒の最適化における効率と精度を高めます.
- データの増強と慎重な記述子の選択は 堅牢な予測モデルの鍵です
