功能有机分子的高通量性质驱动生成设计
化学物理
2023-02-07 v2
摘要
设计具有定制性质的分子与材料颇具挑战，因为候选分子必须满足多个常难以测量或计算的竞争性要求。虽然通过生成式深度学习产生的分子结构会满足这些模式，但它们往往只是偶然而非通过设计具备特定目标性质，这使得经由该途径的分子发现效率低下。在本工作中，我们通过结合一个预测分子三维构象的生成式深度学习模型与一个将这些构象作为输入并预测其电子结构的监督式深度学习模型，来预测具有(帕累托)最优性质的分子。通过对新生成分子筛选所需电子性质并将命中分子复用偏置重训练生成模型，实现对(多个)分子性质的优化。该方法被展示可寻找用于有机电子应用的最优分子。我们的方法普遍适用，并在预测中免除了量子化学计算的需要，使其适于材料与催化剂设计中的高通量筛选。
引用
@article{arxiv.2207.01476,
title = {High-throughput property-driven generative design of functional organic molecules},
author = {Julia Westermayr and Joe Gilkes and Rhyan Barrett and Reinhard J. Maurer},
journal= {arXiv preprint arXiv:2207.01476},
year = {2023}
}
备注
26 pages, 15 figures