学术速运|基于化学知识的外推可解释图模型的反应性能预测_reaction performance prediction with an extrapolat-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_45468600/article/details/131710204

该研究提出了一种结合化学知识的图模型，用于预测反应活性和选择性，强调了模型的外推能力和化学解释性。通过嵌入空间和电子信息，以及学习分子间的协同作用，模型在预测反应产率和立体选择性上表现出色，并在新数据和实验中得到验证。原子级别的解释功能为分子工程提供了指导，强调了知识约束在反应建模中的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目：Reaction performance prediction with an extrapolative and interpretable graph model based on chemical knowledge

文献来源:Nature Communications | (2023) 14:3569

代码：https://github.com/Shuwen-Li/SEMG-MIGNN

简介：反应活性和选择性的准确预测为合成物的开发提供了理想的指导。由于分子结构与合成功能之间的高维关系，要实现具有所需的外推能力和化学可解释性的合成转化的预测建模仍具有挑战性。为了缩小丰富的化学领域知识和先进的分子图模型之间的差距，作者报告了一个基于知识的嵌入了数字化的空间和电子信息的图模型。此外，他们还开发了一个分子相互作用模块，以实现学习反应组分的协同影响。在本研究证明了这种基于知识的图模型实现了对反应产率和立体选择性的良好预测，其外推能力被额外的基于支架的数据分割和使用新催化剂的实验验证所证实。由于局部环境的嵌入，该模型考虑原子水平的解释空间和电子对整体合成性能的影响，这为分子工程的目标合成功能提供了有用的指导。该模型为反应性能预测提供了一种外推和可解释的方法，指出了化学知识约束反应模型对合成目的的重要性。

主要内容：