用于预测底物特异性有机反应条件的图神经网络
机器学习
2020-07-10 v2 机器学习
摘要
我们提出了一项使用图神经网络 (GNNs) 对有机化学反应进行建模的系统性研究。为此，我们准备了来自有机化学文献中四种普遍反应的数据集集合。我们评估了七种不同的 GNN 架构在涉及识别实验试剂和条件的分类任务上的表现。我们发现，模型能够识别影响反应条件并导致准确预测的特定图特征。本文结果在推进分子机器学习方面展现了巨大前景。
引用
@article{arxiv.2007.04275,
title = {Graph Neural Networks for the Prediction of Substrate-Specific Organic Reaction Conditions},
author = {Serim Ryou and Michael R. Maser and Alexander Y. Cui and Travis J. DeLano and Yisong Yue and Sarah E. Reisman},
journal= {arXiv preprint arXiv:2007.04275},
year = {2020}
}
备注
23 pages, 10 tables, 13 figures, to appear in the ICML 2020 Workshop on Graph Representation Learning and Beyond (GRLB)