基于量子力学的机器学习探索化学化合物空间
化学物理
2019-12-02 v2 计算物理
摘要
具有特定性质的化合物的合理设计需要对化学化合物空间（CCS，即所有潜在稳定分子的巨大集合）中分子性质的概念性理解和快速评估。近年来，将量子力学（QM）计算与机器学习（ML）相结合的进展，为探索广阔CCS提供了有力工具。我们通过讨论基于QM的ML方法在多样化化合物和性质上的发展与应用的关键进展，并概述未来的挑战，来阐述对这一令人振奋且快速发展的领域的见解。我们认为，通过将严格物理理论、微观与宏观性质的综合性合成数据集，以及融入物理和化学知识的现代ML方法进行系统结合，可以在CCS的探索与理解上取得显著进展。
引用
@article{arxiv.1911.10084,
title = {Exploring Chemical Compound Space with Quantum-Based Machine Learning},
author = {O. Anatole von Lilienfeld and Klaus-Robert Müller and Alexandre Tkatchenko},
journal= {arXiv preprint arXiv:1911.10084},
year = {2019}
}