Commun. Chem. | 深度核学习用于反应结果预测和优化

文章预览

DRUG AI 今天为大家介绍的是来自剑桥大学Jose团队的一篇论文。近年来，各种机器学习方法在反应结果预测中的应用迅速增长。深度学习模型因其能够直接从分子结构中学习表示而受到欢迎。另一方面，高斯过程（GPs）能够提供可靠的不确定性估计，但无法从数据中学习表示。作者将神经网络（NNs）的特征学习能力与GPs的不确定性量化相结合，在深度核学习（DKL）框架中预测反应结果。观察发现，DKL模型在不同输入表示下都能取得非常好的预测性能。它显著优于标准的GPs，并提供与图神经网络相当的性能，同时还能进行不确定性估计。此外，DKL模型提供的预测不确定性估计使其能够作为贝叶斯优化（BO）的代理模型。因此，所提出的方法通过结合提供可靠不确定性估计的准确预测模型与BO，在加速反应发现方面具有巨大潜力。 化学反应优化在有机合 ………………………………