機械学習によるキーディスクリプタを明らかにする:興奮状態の分子内プロトン転送を持つ染色体の合理的な分子設計へ
Shengsheng Wei1, Zipeng Yang1, Chao Yang1
1State Key Laboratory of Information Photonic and Optical Communications, School of Physical Science and Technology, Beijing University of Posts and Telecommunications (BUPT) Beijing 100876 P.R China andongxia@bupt.edu.cn kuang@bupt.edu.cn.
私たちは,興奮状態の分子内プロトン転送 (ESIPT) 分子のエネルギー差を正確に予測するための機械学習アプローチを開発しました. これにより,光電子およびセンシングアプリケーションのための新しいESIPT化合物の設計が加速されます.
科学分野:
- フォトケミストリーとフォト物理学
- 材料科学 材料科学とは
- コンピューティング・ケミストリー
背景:
- 興奮状態の分子内プロトン伝送 (ESIPT) 分子は,光電子学とセンシングにおいて極めて重要です.
- 正常 (N*) とタウトメリック (T*) の興奮状態の間のエネルギー差 (ΔE*) を制御することは,鍵となるが,困難である.
- 現在の設計方法は,非効率な試行錯誤合成に依存しています.
研究 の 目的:
- ESIPT分子における ΔE* の正確な予測のためのデータ主導の戦略を開発する.
- 独自の特性を有する新しいESIPT化合物の発見と設計を加速する.
- 効率的な分子設計のための予測的枠組みを確立する.
主な方法:
- 多様な置換物と構造を持つ高品質のESIPTデータセットを構築しました.
- ΔE*予測のための機械学習 (ML) による統合された質的記述子.
- ディスクリプター重要性に対するシャップリー補足式説明 (SHAP) と,候補生成のためのバリエーション自動エンコーダー (VAE) を利用した.
主要な成果:
- MLを使用して正確な ΔE* 予測を達成し,高通量スクリーニングを大幅に高速化しました.
- SHAP分析を通じて ΔE*に影響を与える主要な水素結合記述子を特定しました.
- VAE,SAスコア,および薬理学特性を用いて新しいESIPT候補を生成し,フィルタリングしました.
結論:
- 2つのAI設計のESIPT分子を二重のN*/T*放出で合成し,アプローチを検証しました.
- 先進的なESIPT素材の設計のためのデータ主導戦略の有効性を実証しました.
- 有望なESIPT化合物の加速利用を可能にする予測枠組みを確立しました.
さらに関連する動画
08:54Vibrational Spectra of a N719-Chromophore/Titania Interface from Empirical-Potential Molecular-Dynamics Simulation, Solvated by a Room Temperature Ionic Liquid
Published on: January 25, 2020
06:08Time-resolved Photophysical Characterization of Triplet-harvesting Organic Compounds at an Oxygen-free Environment Using an iCCD Camera
Published on: December 27, 2018
関連する概念動画
Photochemical Electrocyclic Reactions: Stereochemistry
Selection Rules: Photochemical Activation
Woodward–Hoffmann Selection Rules and Microscopic Reversibility
Variables Affecting Phosphorescence and Fluorescence
Molecular Models
The Photochemical Reaction Center
UV–Vis Spectroscopy: Molecular Electronic Transitions
