.png){kind=icon}
返回
A path-based boosting algorithm for exploring transition metal compounds
.png){kind=icon}
PRE
AI
DOI：10.1177/1471082X251407458.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
受化学金属化合物及其催化性质分析启发，我们开发了一种梯度提升模型，通过探索图结构来执行预测任务。利用提升法的迭代特性，我们提出了一种新颖方法——PathBoost，该方法探索图结构以识别相关路径，并同时拟合预测模型。PathBoost的优点包括自动变量选择（仅保留相关路径）和可解释性（提供变量重要性度量）。该新型算法应用于tmQM数据集，其中分子表示为以原子为节点、化学键为边的图。目标是预测分子的特定量子性质，如最高占据分子轨道（HOMO）和最低未占分子轨道（LUMO）能隙。这些性质通常需要强大的计算能力进行计算，而我们的模型旨在以更少的资源提供相当的结果。
Keyword:
Catalysis
gradient boosting
graphs
HOMO/LUMO gap
prediction
期刊
S
IF:
1
论文数:
19
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容