从结构到性质：基于化学元素嵌入与深度学习的化学性质精确预测方法
化学物理
2024-08-20 v3 材料科学
机器学习
原子与分子团簇
定量方法
摘要
我们引入了用于化学分类任务的 elEmBERT 模型。它基于深度学习技术，例如多层编码器架构。我们在有机、无机和晶体化合物集合上展示了该方法所提供的机遇。特别地，我们使用包含晶体性质和药物设计相关基准的 Matbench 和 Moleculenet 基准对模型进行了开发与测试。我们还对化合物的向量表示进行了分析，揭示了结构数据中潜在的模式。我们的模型展现出卓越的预测能力，并证明可普遍应用于分子和材料数据集。例如，在 Tox21 数据集上，我们达到了 96% 的平均精度，超越了先前最佳结果 10%。
引用
@article{arxiv.2309.09355,
title = {Structure to Property: Chemical Element Embeddings and a Deep Learning Approach for Accurate Prediction of Chemical Properties},
author = {Shokirbek Shermukhamedov and Dilorom Mamurjonova and Michael Probst},
journal= {arXiv preprint arXiv:2309.09355},
year = {2024}
}
备注
26 pages, 16 figures, 6 tables, 50 references