出版バイアスと対照学習による化学反応の関係
Wenhao Gao1, Priyanka Raghavan1, Ron Shprints1
1Department of Chemical Engineering, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, United States.
この研究は,化学合成における出版バイアスを分析するための新しい機械学習アプローチである基板範囲対比学習を導入します. この方法は,報告された基板データから学習することによって,化学反応性の傾向を明らかにします.
科学分野:
- コンピュータ化学
- 化学における機械学習
- 化学合成
背景:
- 合成化学における基質の範囲表は,低収量または失敗した実験がめったに報告されないことで,出版バイアスを示すことが多い.
- このバイアスを理解することは,合成メソッドの汎用性と反応性を正確に評価するために不可欠です.
研究 の 目的:
- 出版バイアスと化学反応性を分析するために,新しい機械学習戦略を開発します.
- 報告された基質選択の傾向と基礎となる物理的有機反応性記述者の間の関係を探求する.
主な方法:
- 報告された基質を陽性サンプルのように,報告されていない基質を陰性サンプルのように扱う対照的な学習戦略が採用されました.
- ニューラルネットワークは,2010~2015年のCAS Content Collectionデータから20798個のアリルハリドで訓練された.
- 学習された分子埋め込みは,可視化と定量的な回帰を用いて分析された.
主要な成果:
- 学習された埋め込みは,物理的な有機反応性記述子と有意な相関を示した.
- 組み込みは,収穫量や地域選択性予測などの下流業務に適用できると証明されました.
- このアプローチは,予備訓練のための歴史的な反応文献データを効果的に活用します.
結論:
- 基質範囲の対照学習は,化学文献データから学習し,反応性の隠れた傾向を明らかにするための新しい方法を提供します.
- この発見は,出版傾向を化学反応性のプロキシとして使用する可能性を強調しています.
- この研究は,出版された実験データを分析し,利用する新しい視点を提供します.
さらに関連する動画
08:05A Prediction Error-driven Retrieval Procedure for Destabilizing and Rewriting Maladaptive Reward Memories in Hazardous Drinkers
Published on: January 5, 2018
07:19A Modified Lean and Release Technique to Emphasize Response Inhibition and Action Selection in Reactive Balance
Published on: March 19, 2020
関連する概念動画
Predicting Reaction Outcomes
Relative Reactivity of Carboxylic Acid Derivatives
A key factor in assessing the reactivity of the acid derivatives is the basicity of the substituent or the leaving group. The lower the basicity of the leaving group, the higher the reactivity of the derivative. The basicity of the leaving group follows this order:
Halide ions < Acyloxy ions < Alkoxy ions < Amine ions
Inductive Effects on Chemical Shift: Overview
Reaction Quotient
Radical Reactivity: Concentration Effects
Reactivity of Enols
