从同行评审文献中自主提取数据以训练氧化电位机器学习模型
化学物理
2023-08-02 v1
摘要
我们提出了一种自动化数据收集流程，结合卷积神经网络与大语言模型，从同行评审文献中提取用户指定的表格数据。该流程应用于 1957 至 2014 年间发表的 74 篇报告，涵盖 592 个有机分子（-0.75 至 3.58 V）的实验测量氧化电位。经数据整理（溶剂、参比电极与遗漏数据点）后，我们训练了多个监督机器学习模型，其预测误差与实验不确定度相当（0.2 V）。对于多项研究中报道的相同分子的实验测量值，我们基于样本外机器学习预测确定了最可能的值。利用训练好的机器学习模型，我们随后估算了来自 QM9 数据集的约 132k 个小有机分子的氧化电位，预测值介于 0.21 至 3.46 V。基于合理描述符-性质趋势对 QM9 预测值的分析表明，脂肪性使有机分子氧化电位平均从 1.5 V 升至 2 V，而重原子数增加则使其系统性降低。所引入的流程显著减少了传统人工收集实验结果所需的人力，并示范了如何通过自动化加速科学研究。
引用
@article{arxiv.2308.00389,
title = {Autonomous data extraction from peer reviewed literature for training machine learning models of oxidation potentials},
author = {Siwoo Lee and Stefan Heinen and Danish Khan and O. Anatole von Lilienfeld},
journal= {arXiv preprint arXiv:2308.00389},
year = {2023}
}