通过机器学习揭开关键描述符:朝着具有激发状态分子内质子转移的染色体的理性分子设计
Shengsheng Wei1, Zipeng Yang1, Chao Yang1
1State Key Laboratory of Information Photonic and Optical Communications, School of Physical Science and Technology, Beijing University of Posts and Telecommunications (BUPT) Beijing 100876 P.R China andongxia@bupt.edu.cn kuang@bupt.edu.cn.
我们开发了一种机器学习方法,以准确预测激发状态的分子内部质子转移 (ESIPT) 分子的能量差异. 这加速了用于光电子和传感应用的新型ESIPT化合物的设计.
科学领域:
- 摄影化学和光物理
- 材料科学 材料科学 材料科学
- 计算化学计算化学
背景情况:
- 激发状态内分子质子转移 (ESIPT) 分子对于光电子和传感至关重要.
- 控制正常 (N*) 和分体 (T*) 兴奋状态之间的能量差异 (ΔE*) 是关键的,但具有挑战性.
- 当前的设计方法依赖于低效的试错综合.
研究的目的:
- 开发一种数据驱动的策略,精确预测ESIPT分子中的ΔE*.
- 加速发现和设计具有定制性质的新型ESIPT化合物.
- 建立一个有效的分子设计的预测框架.
主要方法:
- 构建了一个高质量的ESIPT数据集,具有多种替代物和支架.
- 集成的定性描述器与机器学习 (ML) 用于 ΔE* 预测.
- 使用Shapley添加式解释 (SHAP) 进行描述器重要性和变异自编码器 (VAE) 进行候选生成.
主要成果:
- 使用ML实现了精确的ΔE*预测,显著加快了高通量选.
- 通过SHAP分析确定了通过SHAP分析影响 ΔE* 的关键键描述符.
- 使用VAE,SA得分和药理动力学特性生成并过新的ESIPT候选者.
结论:
- 成功合成了两种人工智能设计的ESIPT分子,具有双重N*/T*发射,验证了该方法.
- 证明了数据驱动策略在设计先进ESIPT材料方面的有效性.
- 建立了一个预测框架,使有前途的ESIPT化合物的加速开发成为可能.
更多相关视频
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
06:08Time-resolved Photophysical Characterization of Triplet-harvesting Organic Compounds at an Oxygen-free Environment Using an iCCD Camera
Published on: December 27, 2018
相关概念视频
Photochemical Electrocyclic Reactions: Stereochemistry
Selection Rules: Photochemical Activation
Woodward–Hoffmann Selection Rules and Microscopic Reversibility
Variables Affecting Phosphorescence and Fluorescence
Molecular Models
The Photochemical Reaction Center
UV–Vis Spectroscopy: Molecular Electronic Transitions
