利用基于基序的指纹加速材料性质预测与设计
材料科学
2015-07-09 v2 化学物理
摘要
数据驱动方法对于计算材料发现和设计特别有用，因为它们可用于对极大量材料进行快速筛选，从而提出供进一步深入研究的候选材料。此类方法的一个核心挑战是开发材料的数值表示，通常称为指纹。受化学信息学近期发展的启发，我们提出了一类分层的基于基序的拓扑指纹，用于由配位偏好已被充分理解的C、O、H、N、F等元素组成的材料。我们表明，这些指纹在表示分子或晶体时，可使用基于相似性的学习模型有效地映射到多种性质，因此只要能定义其指纹，就可用于预测材料的相关性质。引入了两个简单的过程来证明该学习模型可反演以识别所需的指纹，进而重构具有一组目标性质的分子。
引用
@article{arxiv.1503.07503,
title = {Accelerated materials property predictions and design using motif-based fingerprints},
author = {Tran Doan Huan and Arun Mannodi-Kanakkithodi and Rampi Ramprasad},
journal= {arXiv preprint arXiv:1503.07503},
year = {2015}
}