.png){kind=icon}
返回
Optimizing Vanadium-Catalyzed Epoxidation Reactions: Machine-Learning-Driven Yield Predictions and Data Augmentation
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jcim.5c01104.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
催化环氧化是关键化学过程，作为合成具有商业价值的化合物的重要步骤。本研究提出了一种创新的监督机器学习（ML）模型，用于预测钒催化的小分子醇和烯烃的环氧化反应产率。我们的框架揭示了与结构设计相关的化学特征，为环氧化反应的自动化优化提供了途径。本研究还引入了数据增强的概念，通过生成合成反应来处理实验变异性，以增密数据中欠表示的片段。该模型在一个包含273个钒催化剂组实验环氧化反应的精选数据集上训练，测试集预测R2得分为90%，平均绝对产率预测误差为4.7%。该机器学习模型具有高度的可解释性，因为描述符分析识别出影响催化反应预测的关键实验和化学描述符。这代表了催化环氧化研究中的一个重要进展，突显了数据科学在反应研究和催化剂优化中的关键作用。
Keyword:
catalytic epoxidation
machine learning
vanadium catalyst
reaction yield prediction
data augmentation
期刊
IF:
5.3
论文数:
9.1K
被引数:
4.0W
机构
引用论文
Asymmetric Epoxidation of Allylic Alcohols Using Vanadium Complexes of (N)-Hydroxy-[2.2]paracyclophane-4-carboxylic Amides使用 (N)-羟基-[2.2]对环芳-4-羧酰胺钒配合物对烯丙醇进行手性环氧化.png)
Synlett
SynlettIF0
PREAI
分享收藏The Lord of the Chemical Rings: Catalytic Synthesis of Important Industrial Epoxide CompoundsCATALYSTS
OAAI
CATALYSTSIF4
OAAI分享收藏A survey on deep learning tools dealing with data scarcity: definitions, challenges, solutions, tips, and applications关于处理数据稀缺的深度学习工具的调查: 定义，挑战，解决方案，技巧和应用JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI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Predictive chemistry: machine learning for reaction deployment, reaction development, and reaction discoveryCHEMICAL SCIENCEOAAI
CHEMICAL SCIENCEIF7.4
OAAI分享收藏Insights on the mechanistic features of catalytic oxidations of simple and conjugated olefins promoted by VO(acac)2/H2O2 system, in acetonitrile: A computational studyCATALYSIS TODAY
CATALYSIS TODAYIF5.3
PREAI
分享收藏
查看更多内容