ChemRxiv Preprints· Cherchi, Gian-Michele·· 5 天前精选AI 评分58
预印本：基于力场构象集合的GIPF描述符用于主动学习
Ensemble Molecular Surface Electrostatic Potential Descriptors as Informative Features for Active Learning
AI 导读
该预印本提出从SMILES出发、基于力场点电荷在构象集合上高效计算GIPF（分子表面静电势）描述符的自动化流程。作者在表面活性剂、肽催化剂和超分子组装三个实验数据集上，与低成本化学信息学描述符比较预测精度、筛选效率和不确定性校准，报告力场GIPF描述符与化学信息学描述符互补并带来更好预测，基于构象集合的GIPF描述符显著改善不确定性校准。作者据此推荐将其作为化学主动学习可负担、可扩展的特征化方法。
推荐理由
该预印本比较力场GIPF描述符与化学信息学描述符在主动学习中的预测与不确定性校准表现，为低成本特征选择提供参照。
来源：ChemRxiv Preprints · chemrxiv.org