IMPRESSION——利用机器学习以近量子化学精度预测三维化学结构的核磁共振参数
化学物理
2019-10-30 v2
摘要
IMPRESSION（智能机器学习预测核位移与标量信息）机器学习系统为从三维化学结构预测核磁共振参数提供了一条高效且准确的途径。本文证明，基于量子化学计算所得的核磁共振参数值进行训练的机器学习预测，其准确度与量子化学计算基本相当，但计算效率却高得多（每个分子仅需数十毫秒，而量子化学计算则需数小时/天）。在量子化学数据而非实验数据上训练机器学习系统，避免了构建大型、结构多样且无误差的实验数据库的需求，并使IMPRESSION能够应用于解决诸如分子构象和异构现象等三维问题。
引用
@article{arxiv.1908.08501,
title = {IMPRESSION -- Prediction of NMR Parameters for 3-dimensional chemical structures using Machine Learning with near quantum chemical accuracy},
author = {Will Gerrard and Lars Andersen Bratholm and Martin Packer and Adrian J. Mulholland and David R. Glowacki and Craig P. Butts},
journal= {arXiv preprint arXiv:1908.08501},
year = {2019}
}