以数据为导向的方法研究化学结构的光谱特性
Ibtisam Masmali1, Muhammad Faisal Nadeem2, Zeeshan Saleem Mufti3
1Department of Mathematics, College of Science, Jazan University, Jazan, 45142, Saudi Arabia.
机器学习可以预测诸如能量和埃斯特拉达指数之类的分子性质,对于三二和化合物. 这种数据驱动的方法增强了对联碳化合物的光谱理论的理解.
科学领域:
- 计算化学是一种计算化学.
- 材料科学是一种材料科学.
- 图形理论是指图形的理论.
背景情况:
- 分子能量,来自自值,是合碳化合物π电子能量的关键.
- 了解比斯木三化物和等材料的光谱特性至关重要.
研究的目的:
- 应用机器学习来计算分子图的光谱性质.
- 开发用于预测分子能量,惯性,无效性,签名和埃斯特拉达指数的一般方程.
- 在二维网络中分析木三化物和环.
主要方法:
- 利用机器学习技术进行财产计算.
- 使用 MATLAB 来从数据中提取自身值.
- 开发和应用用于房地产估计的一般方程.
- 进行图形分析,以比较估计和实际值.
主要成果:
- 成功计算了特定分子图的能量,惯性,无效性,签名和埃斯特拉达指数.
- 为这些分子性质建立了通用方程.
- 通过图形分析证明了估计值和实际值之间的强烈相关性.
结论:
- 数据驱动的技术显示出预测分子性质的巨大潜力.
- 这项研究增强了光谱理论在材料科学中的应用.
- 机器学习为计算化学研究提供了一个强大的工具.
更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
相关概念视频
UV–Vis Spectroscopy: Woodward–Fieser Rules
Molecular Models
Spectroscopy of Carboxylic Acid Derivatives
Spectrophotometry: Introduction
The essential components of a spectrophotometer include a source of electromagnetic radiation, a slot for placing a material to be analyzed, and a...
Mass Spectrum: Interpretation
To...
UV–Vis Spectroscopy: Molecular Electronic Transitions
