9、基于神经网络的有机化合物 logHLC 值预测模型研究

基于神经网络的有机化合物 logHLC 值预测模型研究

在化学和工程领域，准确预测有机化合物的亨利定律常数（HLC）对数（logHLC）对于理解和设计许多过程至关重要。本文将详细介绍一种基于神经网络的预测模型，该模型通过提取分子特征并结合交叉验证等方法，实现了对 logHLC 值的准确预测。

1. 超参数确定与训练停止条件

超参数通过五折交叉验证来确定。在五折交叉验证中，数据集被均匀划分为五个子集，模型训练进行五次。每次训练时，将五个子集中的一个作为验证集，其余四个子集作为训练集。这样，每个子集会被用于训练四次，验证一次。经过五次训练后，最终根据五个独立验证集的结果评估模型性能。

在训练神经网络时，会比较验证集和训练集的误差。通常，当两条学习曲线达到容忍度时，就是训练应该停止的点。误差使用采用的损失函数来衡量，容忍度设置为 1.00E - 03。

2. 特征向量提取

通过特定策略从分子结构中提取了 58 种分子特征，这些特征用包含各种化学信息的标识符表示。例如，分子特征“[CH0]-#”表示一个连接零个氢原子、一个单键和一个三键的脂肪族碳原子。

提取的分子特征按字典序升序排序，然后计算每个特征在分子中出现的频率。将表示特征频率的整数分配到数值向量的相应位置，从而生成一个包含 58 个非负整数的数值向量，用于描述分子的结构信息。以乙烷、丙烷和 1 - 丙醇这三种小分子为例，展示了向量的生成过程。这些数值向量将作为神经网络的输入参数，用于关联分子结构和性质之间的关系。

分子特征的具体表示如下表所示：
| 化学元素 | 用标识符表示的分子特征 |
| — | — |
| 碳