通用MLIP嵌入可恢复化学性质并预测反应产率
热点事件历史事件
通用MLIP嵌入可恢复化学性质并预测反应产率
1 篇报道1 个报道来源10 天前更新
先了解这件事
AI 综述
Kolganov等人在ChemRxiv预印本中报告，对预训练通用机器学习原子间势（MLIP）的不变逐原子嵌入施加简单模型，可恢复Hammett取代基常数、Brønsted与Lewis酸性及环芳香性，Spearman相关系数为0.8–0.99。 同一嵌入表示还被用于预测一个四组分钯催化交叉偶联的产率，相关系数达0.96，与用精选描述符构建的模型相当；该表示同时指认芳基卤化物为反应关键底物，并按催化剂毒化强度对异噁唑添加剂排序。上述结果来自预印本，尚未经同行评审。
AI 根据报道生成 · 10 天前更新
最新进展10月29日 17:50
研究发现通用机器学习原子间势可恢复Hammett常数与芳香性等化学信息报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- ChemRxiv Preprints精选研究发现通用机器学习原子间势可恢复Hammett常数与芳香性等化学信息
研究显示，对预训练通用机器学习原子间势（MLIP）的不变逐原子嵌入施加简单模型，可恢复Hammett取代基常数、Brønsted与Lewis酸性及环芳香性，Spearman ρ为0.8–0.99。
本事件热度走势
- 可比范围当前
- 2
- 可比范围峰值
- 511月2日 02:00
- 近 24 小时变化
- -20%
0246
11月3日11月4日11月5日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。