.png){kind=icon}
返回
Machine Learning Accelerates Crystallization for Structure Determination
.png){kind=icon}
OA
AI
DOI：10.1002/anie.1218503.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单晶X射线衍射（SCXRD）是结构解析的有力工具，但需要高质量晶体，这些晶体往往难以获得。结晶伴侣策略有助于克服这一限制，通过促进挥发性或复杂分子的共结晶，对尺寸或纯度几乎没有限制。然而，确定其适用范围仍然具有挑战性，直到现在仍需实验试错筛选。本文展示了一种机器学习（ML）加速的工作流程，可快速识别适合共结晶的候选物。通过特征工程和工作流程优化，我们训练了MCC模型，实现了超过95%的预测准确率。实验验证确认了在120个预测化合物中有114个成功形成共晶体。所展示的广泛结构和功能多样性凸显了该策略的鲁棒性和广泛适用性，能够在标准实验室条件下通过SCXRD高效发现新结构。
Keyword:
co-crystallization
cyclic trinuclear complexes
machine learning
single-crystal x-ray diffraction
structure determination
期刊
IF:
16.9
论文数:
4.7K
被引数:
368
机构
引用论文
"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Predicting reaction performance in C–N cross-coupling using machine learning使用机器学习预测c-n交叉耦合中的反应性能Science
ScienceIF0
PREAI
分享收藏分享收藏分享收藏Supramolecular docking structure determination of alkyl-bearing molecules含烷基分子的超分子对接结构测定NATUREOAAI
NATUREIF48.5
OAAI分享收藏Closed-loop transfer enables artificial intelligence to yield chemical knowledge闭环转移使人工智能能够产生化学知识Nature
NatureIF0
PREAI
分享收藏
分享收藏
查看更多内容