利用机器学习预测催化反应的结果
化学物理
2019-08-30 v1 材料科学
摘要
利用高效计算模型预测化学反应的结果，可用于开发高通量筛选技术。这能显著减少在巨大搜索空间中需进行的实验数量，从而节省时间、精力和费用。近来，机器学习方法正在加强用于推进化学反应理解的常规结构-活性关系。我们开发了一个模型，利用机器学习预测氧覆盖和裸金表面上的催化反应产物。利用实验数据，我们开发了一个机器学习模型，使用化学空间表示将反应物映射到产物。这涉及预测产物的化学空间值，然后将该值与从数据库中选出的分子结构相匹配。该数据库是通过应用一组基于已知反应机理的可能反应结果而建立的。我们的机器学习方法在预测若干类型化学反应的结果方面补充了化学直觉。在某些情况下，机器学习在化学直觉失效时作出了正确预测。我们在少于两百个反应的小数据集上达到了高达93%的预测准确率。
引用
@article{arxiv.1908.10953,
title = {Predicting outcomes of catalytic reactions using machine learning},
author = {Trevor David Rhone and Robert Hoyt and Christopher R. O'Connor and Matthew M. Montemore and Challa S. S. R. Kumar and Cynthia M. Friend and Efthimios Kaxiras},
journal= {arXiv preprint arXiv:1908.10953},
year = {2019}
}