在材料化學(xué)領(lǐng)域人工智能也在發(fā)揮著越來越重要的作用，往往研究人員想盡腦汁做不出來的東西它可以經(jīng)過成千上萬次的計(jì)算給出最優(yōu)答案。

【引言】

機(jī)器學(xué)習(xí)方法正在成為眾多學(xué)科科學(xué)探究的一部分。 機(jī)器學(xué)習(xí)（ML）是可以從數(shù)據(jù)中學(xué)習(xí)計(jì)算機(jī)算法的研究和構(gòu)建。我們腦海里對新材料的發(fā)現(xiàn)以及化學(xué)合成基本還停留在傳統(tǒng)的研究人員身穿白大褂，手里拿著各種化學(xué)試劑的場景。殊不知這幾年人工智能的發(fā)展已經(jīng)應(yīng)用到了各個領(lǐng)域，人工智能真正讓人們接受應(yīng)該是AlphaGo大戰(zhàn)圍棋天才柯潔而一戰(zhàn)成名。它能通過數(shù)據(jù)記錄上百個頂級棋手的下棋行為，通過大數(shù)據(jù)分析，后臺的優(yōu)化算法而做到越賽越勇。在材料化學(xué)領(lǐng)域人工智能也在發(fā)揮著越來越重要的作用，往往研究人員想盡腦汁做不出來的東西它可以經(jīng)過成千上萬次的計(jì)算給出最優(yōu)答案。

【成果簡介】

Science在線發(fā)表了普林斯頓大學(xué)Abigail G． Doyle、Merck Sharp ＆ Dohme公司Spencer D． Dreher（共同通訊）等人題為“Predicting reaction performance in C–N cross－coupling using machine learning”的文章，團(tuán)隊(duì)證明了機(jī)器學(xué)習(xí)可以用來預(yù)測多維化學(xué)空間中合成反應(yīng)的性能，使用通過高通量實(shí)驗(yàn)獲得的數(shù)據(jù)。通過創(chuàng)建腳本來計(jì)算和提取原子，分子和振動描述符，用于鈀催化的Buchwald－Hartwig芳基鹵化物與4－甲基苯胺在各種潛在抑制添加劑存在下的交叉偶聯(lián)反應(yīng)。使用這些描述符作為輸入和反應(yīng)產(chǎn)量作為輸出，表明隨機(jī)森林算法提供了比線性回歸分析顯著改進(jìn)的預(yù)測性能。

【圖文導(dǎo)讀】

圖1 ML在反應(yīng)預(yù)測中的應(yīng)用

圖2 測試集性能圖

圖3 加法預(yù)測

圖4 模型分析