机器学习产量预测来自NiCOlit,一个小尺寸文献数据集的催化C-O合
Jules Schleinitz1, Maxime Langevin2,3, Yanis Smail4
1LBM, Département de Chimie, École Normale Supérieure, PSL University, Sorbonne Université, CNRS, 75005 Paris, France.
预测合成反应产量是公布数据的挑战. 整合优化细节和化学知识可以提高机器学习模型的预测,即使数据有限.
科学领域:
- 有机化学
- 机器学习
- 化学信息学
背景情况:
- 合成产量预测的机器学习已经得到了很好的研究,主要是使用高吞吐量实验或专有数据进行报告偏差.
- 由于数据的局限性和偏见,从已公布的有机反应数据预测产量在很大程度上还未被探索.
研究的目的:
- 从有机反应出版物开发一个数据集,用于预测催化交叉合的产量.
- 研究优化数据和出版约束对产量预测模型的影响.
- 通过整合化学知识,提高机器学习模型在低数据模式中的性能.
主要方法:
- 从科学出版物中编制了催化交叉合反应的新数据集,包括范围和优化细节.
- 分析了优化数据 (包括失败反应) 和出版偏差对预测模型性能的影响.
- 开发和评估机器学习模型,结合化学知识,用于反应产量预测.
主要成果:
- 展示了包括优化数据的关键重要性,这些数据通常代表了失败的实验,用于现实的收益预测.
- 突出了出版限制如何影响研究人员对化学空间的探索.
- 当化学知识被整合时,机器学习模型显示出改善的,虽然不完美的,样本外预测准确性,特别是在低数据场景中.
结论:
- 发表的反应数据,当策划包括优化细节时,可以成为训练产量预测模型的宝贵资源.
- 整合特定领域的化学知识对于在数据稀缺的环境中实现可靠的预测至关重要.
- 创建的公共数据库旨在促进机器学习的进步,以便在现实的科学背景下预测反应产量.
更多相关视频
08:13Chemical Precipitation Method for the Synthesis of Nb2O5 Modified Bulk Nickel Catalysts with High Specific Surface Area
Published on: February 19, 2018
07:28Ethylene Polymerizations Using Parallel Pressure Reactors and a Kinetic Analysis of Chain Transfer Polymerization
Published on: November 27, 2015
相关概念视频
Predicting Reaction Outcomes
Predicting Products: SN1 vs. SN2
With increased substitution on the alkyl halide,...
Turnover Number and Catalytic Efficiency
Chymotrypsin is a pancreatic enzyme that breaks down proteins during digestion....
Reduction of Alkynes to cis-Alkenes: Catalytic Hydrogenation
Like alkenes, alkynes can be reduced to alkanes in the presence of transition metal catalysts such as Pt, Pd, or Ni. The reaction involves two sequential syn additions of hydrogen via a cis-alkene intermediate.
Precipitation Gravimetry
In determining nickel by gravimetric analysis, a precipitant of ethanolic dimethylglyoxime is added to a hot nickel salt solution. This is quickly followed by the dropwise addition of dilute ammonia solution until precipitation occurs. A...
Predicting Molecular Geometry
