用于预测有机分子最高优先级功能基的深度卷积神经网络
机器学习
2026-03-26 v1 人工智能
摘要
本工作解决了预测有机分子中最高优先级功能基的问题。功能基是一组绑定原子，其决定了有机分子的物理和化学性质。在存在多个功能基的情况下，主导功能基决定了化合物的性质。傅里叶变换红外光谱(FTIR) 是用于识别化合物中功能基的存在或缺失的常用光谱方法。我们提出使用深度卷积神经网络(CNN)从有机分子的傅里叶变换红外光谱(FTIR) 预测最高优先级功能基。我们将模型与其他先前应用的机器学习方法支持向量机(SVM)进行比较，并论证了CNN为何优于SVM。
引用
@article{arxiv.2603.23862,
title = {Deep Convolutional Neural Networks for predicting highest priority functional group in organic molecules},
author = {Kunal Khatri and Vineet Mehta},
journal= {arXiv preprint arXiv:2603.23862},
year = {2026}
}