机器学习辅助对联有机染色体的设计,光吸收和排放行为预测
Yulin Xie1, Ghulam Mustafa2, Najla AlMasoud3
1School of Physics and Electronic Information, Huanggang Normal University, Huanggang 438000, China.
机器学习 (ML) 加快了用于光电子的有机染色体的设计. 这项研究确定了最佳的ML模型来预测光吸收和辐射,使得有效的材料发现没有广泛的实验.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 有机电子 有机电子
背景情况:
- 结合有机染色体对于光电子和光信号处理至关重要.
- 定制它们的光学特性需要对结构和替代物的精确控制.
- 当前的设计方法通常依赖于耗时的试错实验.
研究的目的:
- 为设计高效的有机染色体开发一种高通量计算方法.
- 使用机器学习预测有机染色体的光吸收和发射行为.
- 确定用于预测光学属性的最有效的机器学习模型.
主要方法:
- 利用机器学习 (ML) 模型来预测吸收和排放最大值.
- 采用极端梯度提升回归器和随机森林回归器.
- 使用破解复合感兴趣的化学子结构 (BRICS) 生成了10,000个有机染色体.
- 进行化学相似性分析,聚类和热图可视化.
主要成果:
- 极端梯度增强回归器被证明是预测吸收最大值的最佳方法.
- 随机森林回归器是预测排放最大值的最佳模型.
- 成功生成和分析了大量的新型有机染色体数据集.
结论:
- 机器学习为设计有机染色体提供了一种强大,高效的替代实验试错方法.
- 识别的ML模型可以准确预测关键的光学特性,促进快速的材料发现.
- 这种方法显著推进了用于光电子应用的有机材料的设计.
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
07:11ARL Spectral Fitting as an Application to Augment Spectral Data via Franck-Condon Lineshape Analysis and Color Analysis
Published on: August 19, 2021
相关概念视频
UV–Vis Spectroscopy of Conjugated Systems
One of the factors influencing λmax is the extent...
UV–Vis Spectroscopy: Woodward–Fieser Rules
Photochemical Electrocyclic Reactions: Stereochemistry
Selection Rules: Photochemical Activation
UV–Vis Spectroscopy: Molecular Electronic Transitions
UV–Vis Spectrum
The UV–Vis spectrum of a molecule is the plot of its absorbance versus wavelength. The plot is drawn by taking molar...
The Antenna Complex
