基于基团贡献法的神经网络驱动非线性光学分子交互式设计
机器学习
2023-09-18 v1 机器学习
光学
摘要
本文报道了一种 Lewis 模式基团贡献法（LGC）—多阶段贝叶斯神经网络（msBNN）—进化算法（EA）框架，用于 D-Pi-A 型有机小分子非线性光学材料的理性设计。结合 msBNN 与修正 Lewis 模式基团贡献法（cLGC），仅使用小训练集即可准确高效地给出分子的不同光学性质。此外，通过采用专为 LGC 设计的 EA 模型，结构搜索得以良好实现。我们详细讨论了该框架优异表现的逻辑根源。考虑到这一由理论引导的机器学习框架结合了化学原理与数据驱动工具，它极有可能被证明在更广阔领域中解决分子设计相关问题的高效性。
引用
@article{arxiv.2309.08570,
title = {Neural Network Driven, Interactive Design for Nonlinear Optical Molecules Based on Group Contribution Method},
author = {Jinming Fan and Chao Qian and Shaodong Zhou},
journal= {arXiv preprint arXiv:2309.08570},
year = {2023}
}