.png){kind=icon}
返回
Finding Pathways in Reaction Networks Guided by Energy Barriers Using Integer Linear Programing
.png){kind=icon}
PRE
AI
DOI：10.1002/minf.70021.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在化学反应网络中标注了各反应动力学信息的条件下分析目标分子的合成路径是一个活跃的研究领域。本文提出了一种基于整数线性规划和有向超图建模反应网络的计算方法，用于搜索反应网络中的路径。通常存在多条路径符合给定的搜索标准。为对它们进行排序，我们基于物理论据开发了一个最大化路径概率的目标函数。此外，我们还开发了一个自动化流程，用于估算反应网络中各反应的能量势垒。综合来看，该计算方法通过计算手段实现了对大型反应网络中路径的灵活且动力学信息丰富的探究，即使对于缺乏动力学标注的网络（例如通过分子空间扩展的生成方法构建的网络）也适用。为验证该方法，我们将其应用于由乙醛酸、水和氨生成的化学反应网络，使用输入分子作为前体，搜索生成甘氨酸和2-羟基乙酸的反应路径。
Keyword:
automated search
chemical reaction network
integer linear programing
pathway optimization
期刊
IF:
3.1
论文数:
86
被引数:
2.2K
机构
引用论文
Finding Thermodynamically Favorable Pathways in Chemical Reaction Networks Using Flows in Hypergraphs and Mixed-Integer Linear Programming利用超图中的流和混合整数线性规划在化学反应网络中寻找热力学有利的路径
PREAI
分享收藏Commentary: The Materials Project: A materials genome approach to accelerating materials innovation评论: 材料项目: 加速材料创新的材料基因组方法.png)
APL MATERIALS
OAAI
APL MATERIALSIF4.5
OAAI分享收藏Transition1x - a dataset for building generalizable reactive machine learning potentialsTransition1x-用于构建可推广的反应式机器学习潜力的数据集
OAAI
OAAI分享收藏A New Route to the Prebiotic Synthesis of Glycine via Ab Initio-Based Machine Learning Calculations基于Ab Initio机器学习计算的新路线：前体合成甘氨酸
PREAI
分享收藏
查看更多内容