印第安納州西拉斐特——機器學習已經(jīng)廣泛應用于藥物設計和化學科學的其他過程。
很少有模型對新的反應結(jié)果進行了前瞻性測試，并用于增強人類理解，以解釋由這些模型做出的化學反應決策。
普渡大學的創(chuàng)新者介紹了化學反應性流程圖，以幫助化學家使用統(tǒng)計上可靠的機器學習模型，而幾乎沒有反應訓練來解釋反應結(jié)果。本作品發(fā)表于《有機快報》。
普渡大學自然科學學院分析和物理化學助理教授Gaurav Chopra說：“開發(fā)新的快速反應對于藥物發(fā)現(xiàn)中的化學庫設計非常重要?！薄拔覀冮_發(fā)了一種新的、快速的、一鍋法的N-磺?；奏?MCR)多組分反應，以此為代表案例生成機器學習模型的訓練數(shù)據(jù)，預測反應結(jié)果，盲測新反應。
“我們希望這項工作能夠通過開發(fā)一個人類可以理解的精確的機器學習模型來解釋反應結(jié)果，從而為改變當前的范式鋪平道路，從而提高人類化學家發(fā)現(xiàn)新化學反應的能力和效率，并加強有機化學和過程化學的管道?！?
Chopra說，普渡大學團隊的人類可解釋機器學習方法(作為化學反應流程圖引入)可以擴展到探索任何MCR或任何化學反應的反應性。它不需要大規(guī)模的機器人技術，因為化學家可以在實驗室中使用這些方法進行反應篩選。
Chopra說：“我們提供了第一份將快速合成化學實驗和量子化學計算相結(jié)合的框架報告，以了解反應機理和人類可以解釋的統(tǒng)計上強大的機器學習模型，從而確定用于預測和實驗測試N-磺酰亞胺異反應性的化學模型。
這項工作與喬普拉實驗室的其他創(chuàng)新和研究是一致的，喬普拉實驗室的團隊成員與普渡研究基金會技術商業(yè)化辦公室合作，并申請了許多技術的專利。有關其專利發(fā)明的更多信息，請聯(lián)系otcip@prf.org。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！