基于多模态X射线吸收谱的准确且不确定性感知的分子化学基序分类
材料科学
2023-06-29 v1
摘要
从实验测量中准确分类分子化学基序是分子物理、化学与生物学中的重要问题。本工作中，我们提出神经网络集成分类器，用于根据模拟的C、N和O K边X射线吸收近边结构（XANES）谱预测小分子上41种不同化学基序的存在（或缺失）。我们的分类器不仅达到0.99的最大平均类平衡准确率，还能准确量化不确定性。我们还表明，纳入多种XANES模态可显著提升平均预测效果，展现出优于任一单模态的“多模态优势”。除结构精修外，我们的方法可推广至分子设计流程的广泛应用。
引用
@article{arxiv.2306.16349,
title = {Accurate, uncertainty-aware classification of molecular chemical motifs from multi-modal X-ray absorption spectroscopy},
author = {Matthew R. Carbone and Phillip M. Maffettone and Xiaohui Qu and Shinjae Yoo and Deyu Lu},
journal= {arXiv preprint arXiv:2306.16349},
year = {2023}
}