可解释的机器学习与TD-DFT描述器和SHAP分析集成,用于预测色剂最大吸收波长
Yonghao Fang1, Changqing Cao2, Dong Yin3
1College of Intelligent Textile and Fabric Electronics, Zhongyuan University of Technology Zhengzhou 450007 China 3644@zut.edu.cn.
RSC advances
|December 17, 2025
概括
这项研究引入了一种新的方法,用于使用高斯过程回归和TD-DFT计算来预测色染料的最大吸收波长 (λmax). 该方法准确地预测了λmax,并有助于发现具有所需光学性质的新型色素.
科学领域:
- 计算化学计算化学
- 材料科学 材料科学 材料科学
- 染料化学 染料化学
背景情况:
- 最大吸收波长 (λmax) 对于染料的性能至关重要.
- 现有的λmax预测模型缺乏准确性和可解释性.
研究的目的:
- 开发一种创新的预测框架,用于色素染料 λmax.
- 改进新型亚染料分子的合理设计.
主要方法:
- 斯过程回归 (GPR) 与来自时间依赖密度函数理论 (TD-DFT) 的分子描述符集成.
- SHAP分析用于解释模型预测.
- 对染料候选物的高通量虚拟选.
主要成果:
- 在 λmax 预测中实现了 0.83 (LOOCV) 和 0.74 (独立测试集) 的 R2.
- 确定了影响λmax的关键分子描述因素,包括S0→S1过渡能量,HOMO/LUMO能量和硫原子数.
- 发现了21种具有预测红移 λmax 值的新型基分子.
结论:
- 拟议的GPR-TD-DFT框架为亚染料提供了准确和可解释的λmax预测.
- 这种方法促进了针对特定应用的延长 λmax 的色素的发现.
- 为设计功能性色剂材料提供实用参考.
更多相关视频
11:26Integrating a Triplet-triplet Annihilation Up-conversion System to Enhance Dye-sensitized Solar Cell Response to Sub-bandgap Light
Published on: September 12, 2014
13.0K
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
5.9K
