只需 SMILES：基于自然语言处理从 SMILES 预测无限稀释活度系数
化学物理
2023-09-22 v1 计算与语言
机器学习
定量方法
摘要
对混合物相平衡的认知在自然界与技术化学中至关重要。混合物的相平衡计算需要活度系数。然而，由于实验成本高昂，活度系数的实验数据往往有限。为实现活度系数的准确高效预测，机器学习方法近年来得到发展。但当前的机器学习方法对于未知分子的活度系数外推能力仍然较差。本工作中，我们引入 SMILES-to-Properties-Transformer（SPT），一种从 SMILES 编码预测二元无限稀释活度系数的自然语言处理网络。为克服可用实验数据的局限，我们首先在从 COSMO-RS 采样的大合成数据集（1000 万数据点）上训练网络，随后在实验数据（20 870 数据点）上微调模型。该训练策略使 SPT 即使对未知分子也能准确预测无限稀释活度系数，相较于 COSMO-RS、UNIFAC 等活度系数预测的前沿模型，平均预测误差减半，并优于近期机器学习方法。
引用
@article{arxiv.2206.07048,
title = {A smile is all you need: Predicting limiting activity coefficients from SMILES with natural language processing},
author = {Benedikt Winter and Clemens Winter and Johannes Schilling and André Bardow},
journal= {arXiv preprint arXiv:2206.07048},
year = {2023}
}
备注
Code available at: https://github.com/Bene94/SMILES2PropertiesTransformer; Data available at: https://polybox.ethz.ch/index.php/s/kyVOt3pwHW26PP4