C3Net：用于异质体系理化性质预测的原子间势神经网络
机器学习
2023-09-28 v1 人工智能
摘要
理解溶质与其环境的相互作用在化学和生物学中具有根本重要性。在本工作中，我们提出一种深度神经网络架构，用于分子上下文中原子类型的嵌入以及遵循基本物理定律的原子间势。该架构以单一网络权重集应用于预测异质体系中的理化性质，包括不同溶剂中的溶解、1-辛醇-水分配以及 PAMPA。我们表明，我们的架构对理化性质具有良好的泛化能力，并在溶解自由能预测任务上优于基于量子力学和神经网络的最先进方法。从模型获得的溶质中每个原子的原子间势允许在原子分辨率下对理化性质进行与化学和物理推理一致的定量分析。该软件可在 https://github.com/SehanLee/C3Net 获取。
引用
@article{arxiv.2309.15334,
title = {C3Net: interatomic potential neural network for prediction of physicochemical properties in heterogenous systems},
author = {Sehan Lee and Jaechang Lim and Woo Youn Kim},
journal= {arXiv preprint arXiv:2309.15334},
year = {2023}
}
备注
7 pages, 6 figures, 2 tables