机器学习设计新型有机分子研究进展

作     者：谭胖 刘旭红 谌彤童 秦智慧 杨涛 刘晓彤 刘秀磊 Tan Pang;Liu Xuhong;Chen Tongtong;Qin Zhihui;Yang Tao;Liu Xiaotong;Liu Xiulei

作者机构：北京信息科技大学北京材料基因工程高精尖创新中心北京100101 北京信息科技大学数据与科学情报分析实验室北京100101 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京100192 北京跟踪与通信技术研究所北京100094 中国科学院煤炭化学研究所煤转化国家重点实验室太原030001 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北京101400 中国科学院大学北京100049 

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 

出 版 物：《有机化学》 (Chinese Journal of Organic Chemistry)

年 卷 期：2021年第41卷第7期

页      码：2666-2675页

摘      要：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.

主 题 词：机器学习 生成模型 逆向分子设计 分子描述 BASE64编码 

学科分类：081704[081704] 07[理学] 08[工学] 0817[工学-轻工类] 070303[070303] 0703[理学-化学类] 

核心收录：

D　O　I：10.6023/cjoc202012037

馆 藏 号：203104794...