.png){kind=icon}
返回
Predicting Oxidation Potentials with DFT-Driven Machine Learning
.png){kind=icon}
OA
AI
DOI：10.1021/acs.jcim.5c00159.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们介绍OxPot，这是一个包含超过15,000种化学多样性有机分子的全面开放获取数据集。利用DFT导出的最高占据分子轨道能级（E HOMO）的精度，OxPot作为一个强大的平台，用于加速氧化势（E ox）的预测。使用PBE0杂化泛函和cc-pVDZ基组，我们建立了E HOMO与实验E ox值之间的强近线性相关性，实现了0.977的卓越相关系数（R 2）和0.064的低均方根误差（RMSE）。该相关性突显了OxPot作为E ox预测的机器学习（ML）就绪资源的准确性。为进一步促进未来ML模型的发展，我们广泛测试了各种算法，并进行了彻底的特征重要性分析。该分析为影响E ox预测的关键分子描述符提供了宝贵的见解，从而增强了模型的可解释性并指导更有效的预测模型的设计。此外，该方法论的计算效率确保了对其他化学相似分子的E ox进行快速预测，从而提高了其在大规模分子筛选和化学研究中更广泛应用的适用性。
Keyword:
REDOX POTENTIALS
ENERGIES
ANILINES
PHENOLS
期刊
IF:
5.3
论文数:
9.1K
被引数:
4.0W
机构
引用论文
AqSolDB, a curated reference set of aqueous solubility and 2D descriptors for a diverse set of compounds.png)
SCIENTIFIC DATA
OAAI
SCIENTIFIC DATAIF6.9
OAAI分享收藏Synergistic Redox Reaction for Value-Added Organic Transformation via Dual-Functional Photocatalytic SystemsACS CATALYSISOAAI
ACS CATALYSISIF13.1
OAAI分享收藏Autonomous data extraction from peer reviewed literature for training machine learning models of oxidation potentials从同行评议的文献中自主提取数据，用于训练氧化电位的机器学习模型OAAI
OAAI分享收藏DFT as a Powerful Predictive Tool in Photoredox Catalysis: Redox Potentials and Mechanistic Analysis
PREAI
分享收藏
查看更多内容