AIGC動態歡迎閱讀

原標題：準確率達100%，「人機交互」機器學習，驅動有機反應精確原子映射研究
關鍵字：反應,原子,模型,報告,反應物
文章來源：人工智能學家
內容字數：6763字

內容摘要：

來源：ScienceAI
編輯：X
原子到原子映射（Atom-to-atom Mapping，AAM）是識別化學反應前后分子中每個原子位置的任務，這對于理解反應機理非常重要。
近年來，越來越多的機器學習模型用于逆合成和反應結果預測，這些模型的質量高度依賴于反應數據集中 AAM 的質量。雖然有一些算法使用圖論或無監督學習來標記反應數據集的 AAM，但現有方法是基于子結構 alignments 而不是化學知識來映射原子。
在此，來自韓國首爾大學（Seoul National University）和韓國科學技術院（KAIST）的研究團隊，提出了一種 ML 模型——LocalMapper，可通過人機回圈（human-in-the-loop）機器學習從化學家標記的反應中學習正確的 AAM。
研究表明，LocalMapper 通過僅從整個數據集中 2% 的人類標記反應中學習，就能以 98.5% 的校準精度預測 50 K 反應的 AAM。更重要的是，LocalMapper 給出的可信預測覆蓋了 50?K 反應中的 97%，對 3,000 個隨機采樣的反應顯示出 100% 的準確率。
在分布外（Ou

原文鏈接：準確率達100%，「人機交互」機器學習，驅動有機反應精確原子映射研究

聯系作者

文章來源：人工智能學家
作者微信：AItists
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構