使用量子化学辅助机器学习准确预测有机分子的亚底离子电离潜力
Naveen K Dandu1,2,3, Logan Ward2,4, Rajeev S Assary1,2
1Materials Science Division, Argonne National Laboratory, Lemont, Illinois 60439, United States.
机器学习模型准确地预测有机分子的离子电位 (IP). 将量子化学计算与ML结合起来,可以实现高精度,使分子性质的有效选成为可能.
科学领域:
- 计算化学的计算化学
- 量子化学 是一个量子化学.
- 机器学习 机器学习
背景情况:
- 之前的工作成功地使用机器学习 (ML) 模型高精度地预测了有机分子的原子化能量.
- 这项研究扩展了ML模型的应用,以预测有机分子的离子电位 (IP).
研究的目的:
- 开发和验证ML模型,以准确预测有机分子的离子电位 (IP).
- 评估原子特异性校正对IP预测准确性的影响.
- 为了使分子IP的高通量选成为可能.
主要方法:
- 从QM9数据集中对3405个有机分子进行了量子化学计算,使用B3LYP/6-31G(2df,p) 进行了优化.
- 使用B3LYP/6-31+G(2df,p) 和 ωB97XD/6-311+G(3df,2p) 密度功能方法计算了低保真性IP.
- 通过G4MP2计算来训练ML模型,获得了高保真度的IP.
主要成果:
- 最好的ML模型在整个数据集中实现了与G4MP2计算的IP相比0.035 eV的平均绝对偏差.
- 对于原子化能量有效的原子特异性校正,也改善了IP预测.
- ML预测显示出高准确度,可与高可靠性量子化学方法相比较.
结论:
- 在量子化学计算的帮助下,ML模型可以准确地预测有机分子的电离潜力.
- 这种方法促进了对大型分子数据集的IP的高效和准确预测.
- 开发的方法适用于计算化学中的高通量选应用.
更多相关视频
08:04Excitonic Hamiltonians for Calculating Optical Absorption Spectra and Optoelectronic Properties of Molecular Aggregates and Solids
Published on: May 27, 2020
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
相关概念视频
Predicting Molecular Geometry
Predicting Reaction Outcomes
Molecular Orbital Theory II
Predicting Products: SN1 vs. SN2
With increased substitution on the alkyl halide,...
IR Spectroscopy: Hooke's Law Approximation of Molecular Vibration
According to Hooke's law, the vibrational frequency is directly proportional to...
π Electron Effects on Chemical Shift: Aromatic and Antiaromatic Compounds
