基于小数据量的 NMR 化学位移预测
化学物理
2023-11-28 v1 机器学习
摘要
使用机器学习方法预测 NMR 中的化学位移通常需要使用最大量的可用数据以获得最佳结果。在某些情况下,例如对于杂核,无法获得如此大量的数据。我们展示了一种新颖的机器学习模型,该模型能够在数据量相对较少的情况下取得良好的结果。我们通过预测小分子在特定溶剂中的 19F 和 13C NMR 化学位移来证明这一点。
引用
@article{arxiv.2304.03361,
title = {NMR shift prediction from small data quantities},
author = {Herman Rull and Markus Fischer and Stefan Kuhn},
journal= {arXiv preprint arXiv:2304.03361},
year = {2023}
}
备注
11 pages, 5 figures, 6 tables