加性框架联合化学与图描述符预测水溶性
热点事件历史事件
加性框架联合化学与图描述符预测水溶性
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
Bhattacharya, Sampreeti 提出一种加性学习框架，将化学描述符与基于图的分子表示联合建模，用于预测水溶性，并量化两类描述符各自的贡献。该框架在超过9000个结构、化学与电子性质各异的分子构成的数据集上评估。 分析显示，两类描述符的相对重要性随分子量变化：低于中位分子量时化学描述符占主导；较重分子中，由分子连接性导出的图论描述符影响增强，反映原子连接性对溶解度的作用上升。
AI 根据报道生成 · 4 天前更新
最新进展11月4日 18:30
分子量如何影响化学与结构描述符对水溶性预测的相对重要性报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- ChemRxiv Preprints分子量如何影响化学与结构描述符对水溶性预测的相对重要性
研究提出一种加性学习框架，联合建模化学描述符与基于图的分子表示，并量化二者对水溶性预测的各自贡献，在超过9000个分子构成的数据集上评估。分析显示，化学描述符与结构描述符的相对重要性随分子量变化：低于中位分子量时化学描述符占主导，较重分子中图论描述符影响增强，反映原子连接性对溶解度的作用上升。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1011月4日 19:00
- 近 24 小时变化
- -21%
02.557.510
11月5日11月6日11月7日11月8日11月9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。