机器学习识别多环芳烃红外发射特征对应的分子片段
星系天体物理
2023-07-18 v1 天体物理仪器与方法
太阳与恒星天体物理
摘要
本文利用机器学习特征重要性计算，确定导致中性多环芳烃（PAHs）中红外与远红外（IR）发射特征的分子亚结构。采用扩展连通性指纹作为化学结构描述符，在 14,124 个 PAHs 的谱图上训练随机森林模型，以评估 10,632 个分子片段在 2.761 至 1172.745 微米范围内各波段的重要性。通过将结果与先前研究过的未证认红外发射（UIE）波段比较，确认了结果的准确性。结果总结为作为补充数据的两张表格，可用作评估可能 UIE 载体的参考。我们展示了可通过讨论含氮 PAHs 与超氢化 PAHs 的红外特征，利用这些表格探究 PAH 结构与光谱之间的关系。
引用
@article{arxiv.2307.08277,
title = {Machine-learning identified molecular fragments responsible for infrared emission features of polycyclic aromatic hydrocarbons},
author = {Zhisen Meng and Yong Zhang and Enwei Liang and Zhao Wang},
journal= {arXiv preprint arXiv:2307.08277},
year = {2023}
}