以人工智能为动力的高定制和优质ESIPT基于光探头的采矿
Wenzhi Huang1, Shuai Huang1, Yanpeng Fang1
1Xiangya School of Pharmaceutical Sciences, Central South University, Changsha, 410083, P. R. China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|July 18, 2024
概括
研究人员开发了一种人工智能方法,以有效地发现表现出激发状态分子内质子转移 (ESIPT) 的新分子. 这种方法加快了用于先进材料和传感器的有希望的ESIPT光体的识别.
科学领域:
- 摄影化学的使用.
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
背景情况:
- 激发状态的分子内质子转移 (ESIPT) 对光传感器和发光材料至关重要.
- 目前用于发现ESIPT分子的方法是低效的,昂贵的,劳动密集的.
- 需要新的,高效的方法来探索和设计ESIPT光体.
研究的目的:
- 开发一种人工智能 (AI) 方法,以有效地探索ESIPT分子.
- 构建一个高质量的ESIPT数据集和一个多层次预测系统.
- 确定驱动ESIPT的关键结构特征,并指导新型ESIPT光体的设计.
主要方法:
- 构建第一个高质量的ESIPT数据集.
- 开发一种用于化合物分类的多层预测系统 (传统,光,ESIPT).
- 应用夏普利添加式拓展 (SHAP) 来揭示关键结构特征.
- 使用人工智能策略选超过57万种化合物.
- 通过定量计算和实验验证ESIPT过程和生物安全.
主要成果:
- 从一个大化学空间精确识别ESIPT分子.
- 揭示ESIPT的关键结构决定因素.
- 对700多个以前未报告的ESIPT分子进行选.
- 成功验证ESIPT过程和选择分子的生物安全性.
- 展示AI加速发现功能分子的能力.
结论:
- 拟议的AI方法为ESIPT分子发现的传统方法提供了一种高效和具有成本效益的替代方案.
- 这一策略可以识别具有可取性质的新型ESIPT光体.
- 人工智能驱动的方法预计将彻底改变各种应用的理想ESIPT分子的探索.
