期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
机器学习设计新型有机分子研究进展
被引量:
1
1
作者
谭胖
刘旭红
+4 位作者
谌彤童
秦智慧
杨涛
刘晓彤
刘秀磊
《有机化学》
SCIE
CAS
CSCD
北大核心
2021年第7期2666-2675,共10页
新型有机分子一直是有机化学领域的研究重点,其在开发高性能材料方面具有重要意义.传统的有机分子发现是一个类似于“炒菜”的试错过程,它耗时耗能且效率相对低下.常见的量子化学方法试图根据期望属性值筛选出合理的分子结构,以更好地...
新型有机分子一直是有机化学领域的研究重点,其在开发高性能材料方面具有重要意义.传统的有机分子发现是一个类似于“炒菜”的试错过程,它耗时耗能且效率相对低下.常见的量子化学方法试图根据期望属性值筛选出合理的分子结构,以更好地指导实验,然而,由于计算资源相对于算法复杂度严重不足,精确给出实验指导在大多数情况下难以实现.近年来机器学习的出现改变了这种情况,训练好的模型可以快速推测出分子的属性.更令人兴奋的是机器学习可以逆向进行分子设计,拓宽人类的想象力,给出其在分子设计领域的“神之一手”.本综述首先介绍了逆向分子设计所必须的分子描述方式,随后对几种常见的深度生成模型加以归纳,对新型有机分子设计研究现状进行了总结,最后探讨了新型有机分子设计所面临的挑战,展示了笔者做出的部分探索.
展开更多
关键词
机器学习
生成模型
逆向分子设计
分子
描述
BASE64编码
原文传递
题名
机器学习设计新型有机分子研究进展
被引量:
1
1
作者
谭胖
刘旭红
谌彤童
秦智慧
杨涛
刘晓彤
刘秀磊
机构
北京信息科技大学北京材料基因工程高精尖创新中心
北京信息科技大学数据与科学情报分析实验室
北京信息科技大学网络文化与数字传播北京市重点实验室
北京跟踪与通信技术研究所
中国科学院煤炭化学研究所煤转化国家重点实验室
中科合成油技术有限公司国家能源煤基液体燃料研发中心
中国科学院大学
出处
《有机化学》
SCIE
CAS
CSCD
北大核心
2021年第7期2666-2675,共10页
基金
北京信息科技大学“勤信人才”培育计划、北京市教育委员会科技计划一般项目(No.KM202111232003)
北京信息科技大学促进高校内涵发展、北京市自然科学基金(No.4204100)资助项目.
文摘
新型有机分子一直是有机化学领域的研究重点,其在开发高性能材料方面具有重要意义.传统的有机分子发现是一个类似于“炒菜”的试错过程,它耗时耗能且效率相对低下.常见的量子化学方法试图根据期望属性值筛选出合理的分子结构,以更好地指导实验,然而,由于计算资源相对于算法复杂度严重不足,精确给出实验指导在大多数情况下难以实现.近年来机器学习的出现改变了这种情况,训练好的模型可以快速推测出分子的属性.更令人兴奋的是机器学习可以逆向进行分子设计,拓宽人类的想象力,给出其在分子设计领域的“神之一手”.本综述首先介绍了逆向分子设计所必须的分子描述方式,随后对几种常见的深度生成模型加以归纳,对新型有机分子设计研究现状进行了总结,最后探讨了新型有机分子设计所面临的挑战,展示了笔者做出的部分探索.
关键词
机器学习
生成模型
逆向分子设计
分子
描述
BASE64编码
Keywords
machine learning
generative model
inverse molecule design
molecule description
BASE64 encoding
分类号
O622 [理学—有机化学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
机器学习设计新型有机分子研究进展
谭胖
刘旭红
谌彤童
秦智慧
杨涛
刘晓彤
刘秀磊
《有机化学》
SCIE
CAS
CSCD
北大核心
2021
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部