Application of Multivariate Adaptive Regression Splines (MARSplines) for Predicting Hansen Solubility Parameters Based on 1D and 2D Molecular Descriptors Computed from SMILES String
将多元自适应回归样条（MARSplines）方法与一维和二维PaDEL分子描述符的简单多元回归相结合，提出了一种新的Hansen溶解度参数（HSPs）预测方法。为了将MARSplines方法应用于QSPR/QSAR问题，提出并测试了几种优化方法。通过QSARINS软件提供的标准QSPR/QSAR内部验证程序和通过预测聚合物和药物样固体溶质在溶剂集合中的溶解度分类来检查所获得的模型的有效性。通过利用仅来自SMILES字符串的信息，所获得的模型允许计算所有的三个汉森溶解度参数，包括分散，极化和氢键。虽然几个描述符需要适当的参数估计，所提出的程序是简单和直接的，不需要一个分子的几何形状优化。所获得的HSP值与实验数据高度相关，并且它们用于解决溶解度问题的应用导致与原始参数基本相同的质量。基于所提供的模型，可以表征HSP数据不可用的任何溶剂和液体溶质。
2019-01-10 physics.chem-ph
Chemical descriptors, convexity and structure of density matrices in molecular systems
分子系统中的电子能量矩阵和密度矩阵关于粒子数是凸的。因此，基于其衍生物的化学描述符对孤立系表现出不连续性的阻碍，从而导致高阶衍生物不确定。物理域与环境之间的相互作用的引入诱导了巨正则公式中的密度矩阵的相干结构，抑制了导致描述符的正确定义的不连续性。
2015-06-08 physics.chem-ph quant-ph
An Automated Framework for Analyzing Structural Evolution in On-the-fly Non-adiabatic Molecular Dynamics Using Autoencoder and Multiple Molecular Descriptors
South China Normal University（华南师范大学）
针对非绝热分子动力学中反应坐标人工分析效率低、依赖专家经验的问题，提出结合自编码器、聚类与信息熵分析的自动化机器学习框架，可高效准确地从轨迹数据中识别反应通道与关键坐标，为激发态动力学机理研究提供新范式。
2025-11-17 physics.chem-ph
Statistical theory of spectra: Statistical moments as descriptors in the theory of molecular similarity
强度分布的统计矩被用作分子描述符。它们被用作定义两个模型光谱之间的相似距离的基础。定义了携带来自光谱形状比较的信息并且与考虑的属性的数量有关的参数。
2005-09-29 physics.chem-ph physics.data-an
CHAOS -- A Consistent Large-scale Database for Sigma-Profiles and Other Molecular Descriptors
Laboratory of Engineering Thermodynamics, RPTU Kaiserslautern（兰茨胡特应用科学大学工程热力学实验室）
本文提出CHAOS数据库，提供53091种分子的σ轮廓及其他量子化学属性，显著扩展了公开可用分子数量，并为分子和热力学性质建模提供一致基础。
2026-04-10 physics.chem-ph
Thermodynamic Descriptors from Molecular Dynamics as Machine Learning Features for Extrapolable Property Prediction
Universidad Complutense de Madrid（马德里康普顿斯大学）；Bayer AG（拜耳股份公司）；Universidad Politécnica de Madrid（马德里理工大学）；University of Cambridge（剑桥大学）
本文提出一种结合物理的机器学习框架，利用分子动力学模拟获得的热力学性质作为特征，提高对未知化学空间的外推预测能力，尤其在预测沸点方面表现优异。
2026-03-18 physics.chem-ph
The use of fast molecular descriptors and artificial neural networks approach in organochlorine compounds electron ionization mass spectra classification
理论工具的开发可以非常有助于支持新污染物的检测。目前，质谱和色谱技术的结合是最基本的环境监测方法。本文提出了两种有机氯化合物的质谱分类体系。分类模型的人工神经网络（ANN）和快速的一维和二维分子描述符计算的框架内开发。根据[M]和[M-35]两个特征峰的强度，提出了两个分类标准。根据标准I，类别1包括强度高于800 NIST单位的[M]个信号，而类别2由强度低于或等于800的信号组成。根据标准II，第1类由强度高于100的[M-35]信号组成，而强度低于或等于100的信号属于第2类。作为人工神经网络学习阶段的结果，两个分类标准的五个模型被生成。外部模型验证表明，所有人工神经网络的特点是高预测能力;然而，基于标准I的人工神经网络更准确，因此更适合于分析目的。为了获得另一个确认，选择的人工神经网络进行了测试，对其他数据集，包括流行的防晒剂消毒副产品在以前的工作报告。
2019-10-16 physics.chem-ph
Detecting dynamic domains and local fluctuations in complex molecular systems via timelapse neighbors shuffling
本文提出基于LENS描述符的机器学习框架，通过追踪分子邻居随时间的洗牌变化，无监督识别复杂分子系统的动态区域并检测局部涨落。
2022-12-24 physics.chem-ph
Constant Size Molecular Descriptors For Use With Machine Learning
一组分子描述符的长度是独立的分子大小的机器学习模型，目标分子的热力学和电子特性的开发。这些功能进行了评估，通过监测性能的内核岭回归模型的研究数据集的有机小分子。这些特征包括连接性计数，它只需要分子的键合模式，和编码距离，它总结了键合和非键合原子之间的距离，因此需要完整的分子几何结构。除了具有恒定的大小之外，这些特征还总结了关于原子和键的局部环境的信息，使得模型可以利用由于分子之间存在相似的化学片段而产生的相似性。结合这两种类型的功能，导致模型的性能是可比的，或优于目前的最先进的。这里介绍的功能具有的优势，导致模型，可以在较小的分子上训练，然后成功地用于较大的分子。
2017-01-23 physics.chem-ph stat.ML
Fourier series of atomic radial distribution functions: A molecular fingerprint for machine learning models of quantum chemical properties
我们介绍了一个指纹表示的基础上的原子径向分布函数的傅立叶级数的分子。这个指纹是唯一的（除了手性），连续的，相对于原子坐标和核电荷可微的。它对于平移、旋转和原子核排列是不变的，并且不需要关于化学键、拓扑学或电子轨道的预先设想的知识。因此，它满足了良好分子表示的许多重要标准，这表明它对于在化合物空间中训练的分子特性的机器学习模型是有用的。为了评估这种新描述符的性能，我们已经训练了原子化分子结构的机器学习模型，用于训练多达10 k个有机分子的训练集，这些有机分子是从已公布的134 k个有机分子中随机抽取的。我们验证了134 k集合的所有剩余分子的描述符。对于5 k个分子的训练集，指纹描述符分别达到8.0 kcal/mol的平均绝对误差。这比使用库仑矩阵（另一种流行的替代方法）获得的性能略差，对于相同的训练和测试集，达到6.2 kcal/mol。
2015-03-17 physics.chem-ph
Universal neural network potentials as descriptors: Towards scalable chemical property prediction using quantum and classical computers
本文提出利用通用神经网络势的中间信息作为通用描述符，通过迁移学习（如M3GNet和MACE）实现化学性质预测，在NMR化学位移基准上达到最先进精度，加速分子与材料发现。
2024-07-16 physics.chem-ph quant-ph
Quantum chemical roots of machine-learning molecular similarity descriptors
在这项工作中，我们探讨了分子相似性描述符的量子化学基础。这些描述符是机器学习遍历化合物空间的关键。我们的重点是库仑矩阵和原子位置的平滑重叠（SOAP）。我们采用了一个基本的框架，使我们能够连接两个描述符的电子结构理论。这个框架使我们能够定义两个与电子结构理论更密切相关的新描述符，我们称之为库仑列表和电子密度平滑重叠（SOED）。通过研究它们作为分子相似性描述符的有用性，我们获得了库仑矩阵和SOAP如何以及为什么工作的新见解。此外，库仑列表避免了库仑矩阵的有点神秘的对角化步骤，并可能提供一种直接的方法来提取子系统信息，可以在不同维度的玻恩-奥本海默表面上进行比较。对于电子密度，我们推导出必要的形式主义，以创建SOED措施密切类似于SOAP。由于这种形式主义是更多的参与比SOAP，我们审查的基本理论，但也引入了一组近似，最终使我们能够与SOED在相同的实现可用于评估SOAP。我们把我们的分析集中在基元反应步骤上，其中过渡态结构与反应物或产物结构比后两者彼此更相似。然而，由于多构型效应的影响，过渡态结构的电子能量的预测可能比稳定中间体的电子能量的预测更困难。问题是在多大程度上植根于电子结构理论的分子相似性描述符可以解决这些复杂的影响。
2022-10-07 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Deep Learning Foundation Models from Classical Molecular Descriptors
BASF SE（巴斯夫股份有限公司）
CheMeleon通过低噪声分子描述符学习，实现超越经典方法的分子性质预测性能。
2026-02-09 cs.LG physics.chem-ph
Efficient interpolation of molecular properties across chemical compound space with low-dimensional descriptors
Department of Chemistry, University of British Columbia（不列颠哥伦比亚大学化学系）；Stewart Blusson Quantum Matter Institute（斯图尔特·布卢森量子物质研究所）
本研究提出基于库仑矩阵特征值和Gershgorin圆定理的九维描述符，结合高斯过程回归，实现用少量分子数据高效插值分子性质，预测熵和零点振动能，优于图神经网络方法。
2023-11-26 cs.LG physics.chem-ph
Rem3Di: Learning smooth, chiral 3D molecular descriptors from atomistic foundation models
University of Cambridge（剑桥大学）；Max Planck Institute for Polymer Research（马克斯·普朗克聚合物研究所）；Imperial College London（伦敦帝国学院）
Rem3Di是一种表征学习框架，利用原子基础模型潜在特征生成可转移分子描述符，用于性质预测和虚拟筛选。它能捕捉分子手性，在药物性质基准测试中表现出色，还能区分过渡金属配合物，为化学机器学习提供新途径。
2026-07-23 physics.atm-clus physics.chem-ph physics.comp-ph
Bond type restricted radial distribution functions for accurate machine learning prediction of atomization energies
了解机器学习算法的性能对于设计更准确、更高效的统计模型至关重要。并不总是能够解开神经网络的推理。在这里，我们提出了一种计算机器学习内核的方法，在封闭和解析形式相结合的原子属性加权径向分布函数（AP-RDF）描述符与高斯内核。这使我们能够分析和改进Bag-of-Bonds描述符的性能，当债券类型限制包含在AP-RDF中时。实现的改进是用于分子原子化能量的预测，是由于将张量积纳入内核捕获的AP-RDF的多维表示。另一方面，AP-RDF的数值版本是一个恒定大小的描述符，它比Bag-of-Bonds更有效。我们还讨论了分子量子相似性和具有第一原理描述符的机器学习内核之间的联系。
2018-07-26 physics.chem-ph
A basic electro-topological descriptor for the prediction of organic molecule geometries by simple machine learning
本文提出了一种机器学习（ML）方法来预测稳定的分子几何结构，从他们的化学组成。该方法是有用的生成分子构象，可以作为初始几何结构，节省时间昂贵的结构优化过程中的量子力学计算的大分子。通过从先前优化的小分子数据库中训练后预测分子中每个原子周围的局部排列来发现构象。它的工作原理是将数据库中的每个分子划分为不同类型的最小构建块。然后训练该算法以使用电拓扑指纹作为描述符来预测每种类型的构建块的键长和角度。然后通过连接预测块来生成构造。我们的模型能够从化学式和连接性的基础知识中得到优化分子几何形状的有希望的结果。该方法倾向于在$0.05$下用RMSD再现测试块内的原子间距离
2022-10-19 cond-mat.mtrl-sci physics.chem-ph
GLaD: Synergizing Molecular Graphs and Language Descriptors for Enhanced Power Conversion Efficiency Prediction in Organic Photovoltaic Devices
Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院）；Department of Chemical & Biomolecular Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校化学与生物分子工程系）
GLaD通过融合分子图与语言描述符，利用预训练语言模型增强低数据下的有机光伏PCE预测，并适用于多种分子性质任务。
2024-05-23 cs.AI cs.LG physics.chem-ph
Predicting CO$_2$ Absorption in Ionic Liquids with Molecular Descriptors and Explainable Graph Neural Networks
Carnegie Mellon University（卡内基梅隆大学）
离子液体（Ionic Liquids，IL）为CO $_2$的捕获和储存提供了一种很有前途的解决方案，以减缓全球变暖。然而，从巨大的化学空间中识别和设计高容量IL需要昂贵且详尽的模拟和实验。机器学习（ML）可以通过以数据驱动的方式进行准确有效的性质预测来加速搜索所需离子分子的过程。但现有的描述符和ML模型的离子分子遭受的分子图结构的适应效率低下。此外，很少有研究ML模型的可解释性，以帮助理解可以指导有效离子分子设计的学习特征。在这项工作中，我们开发了基于指纹的ML模型和图神经网络（GNNs）来预测IL中的CO $_2$吸收。指纹在特征提取阶段处理图结构，而GNN在特征提取和模型预测阶段直接处理分子结构。我们表明，我们的方法优于以前的ML模型，达到了高精度（MAE为0.0137，$R^2$为0.9884）。此外，我们利用GNNs特征表示的优势，并开发了一种基于子结构的解释方法，该方法可以深入了解IL分子中的每个化学片段如何有助于ML模型的CO $_2$吸收预测。我们的解释结果与离子液体中CO $_2$吸附的理论反应机理相吻合，为今后设计新型高效的功能化离子液体提供了参考。
2022-11-09 cs.LG physics.chem-ph
Tabular foundation models for in-context prediction of molecular properties
RWTH Aachen University, Process Systems Engineering (AVT.SVT)（RWTH亚琛大学，过程系统工程（AVT.SVT））；Lehrstuhl Informatik 7, RWTH Aachen University（信息学7系，RWTH亚琛大学）；Forschungszentrum Jülich GmbH, Institute of Climate and Energy Systems ICE-1: Energy Systems Engineering（焦耳研究中心有限公司，气候和能源系统ICE-1：能源系统工程）；JARA-CSD
本文提出利用表格基础模型进行分子属性的上下文预测，通过减少计算成本并提升预测性能，在低至中等数据量下展示出优于传统方法的潜力。
2026-04-20 cs.LG physics.chem-ph
SMILES-X: autonomous molecular compounds characterization for small datasets without descriptors
National Institute for Materials Science（国立材料科学研究所）；University of Tsukuba（筑波大学）
越来越多的证据表明，机器学习可以成功应用于材料科学及相关领域。但是，这些字段中的数据集通常非常小（$\ll1000$样本）。这使得最先进的机器学习技术仍然被忽视，因为它们被认为只适用于大数据。此外，材料信息学方法通常依赖于人类工程描述符，这些描述符应该仔细选择，甚至创建，以适应人们想要预测的物理化学性质。在这篇文章中，我们提出了一种新的方法，既解决了小数据集的问题，又解决了特定于任务的描述符开发的困难。SMILES-X是一种基于嵌入-编码-参与-预测神经架构的分子化合物表征自主管道，具有数据特定的贝叶斯超参数优化。架构的唯一输入-SMILES字符串-被去规范化，以有效地增加数据。该架构的关键特征之一是注意力机制，它可以在不增加额外计算成本的情况下解释输出预测。SMILES-X在分子化合物的水溶解度（$\overline{RMSE}_{test} \simeq 0.57 \pm 0.07$ mol/L）、水合自由能（$\overline{RMSE}_{test} \simeq 0.81 \pm 0.22$ kcal/mol，$\sim 24.5\%$优于分子动力学模拟）和辛醇/水分配系数（pH 7.4下LogD的$\overline{RMSE}_{test} \simeq 0.59 \pm 0.02$）的推断方面显示了最新的结果。SMILES-X旨在成为材料科学家和化学家工具包中的重…
2019-07-04 cs.LG physics.chem-ph physics.comp-ph
From Algebraic Completeness to Orbit Separation: Recursive Separating Invariants for Global Neural Network Potential Energy Surfaces
Dalian Institute of Chemical Physics, Chinese Academy of Science（中国科学院大连化学物理研究所）
该研究针对置换不变多项式计算成本高的问题，提出递归分离不变量，构建的神经网络势能面评估速度比基本不变量模型快约一个数量级，为高效对称描述符开发提供新原则。
2026-10-16 physics.chem-ph
Coarse-Grained Configurational Polymer Fingerprints for Property Prediction using Machine Learning
IIT Roorkee（鲁尔基印度理工学院）
本研究提出一种基于 Bead-Spring-Model 的聚合物构型级指纹生成方法，结合几何描述符和无监督 autoencoder 生成的数据驱动描述符，通过训练 ML 模型学习从结构到性质的映射，并验证了其在预测平衡构型出现概率方面的有效性。
2023-11-20 cs.AI cs.LG physics.chem-ph
Prediction of Activity Coefficients by Similarity-Based Imputation using Quantum-Chemical Descriptors
本文提出基于量子化学 σ-profiles 衡量组分相似性的 SBM 插补方法，用于稀疏数据下预测二元混合物无限稀释活度系数，性能优于 modified UNIFAC (Dortmund) 与 COSMO-SAC-dsp。
2024-12-06 physics.chem-ph
Towards Linearly Scaling and Chemically Accurate Global Machine Learning Force Fields for Large Molecules
University of Luxembourg（卢森堡大学）
本文提出一种自动化降维方法，在保持化学精度的同时减少机器学习力场描述符数量，使全局MLFF的计算成本随分子尺寸线性增长，而非二次增长。
2023-04-12 physics.chem-ph
WACSF - Weighted Atom-Centered Symmetry Functions as Descriptors in Machine Learning Potentials
我们引入加权原子中心对称函数（wACSFs）作为化学系统几何形状的描述符，用于通过机器学习预测化学性质，如势能或势能。wACSF是基于传统的原子中心对称函数（ACSF），但克服了后者的不希望的缩放与化学系统中的不同元素的数量增加。这两个描述符的性能进行了比较，使用它们作为输入的高维神经网络电位（HDNNPs），采用的分子结构和相关的133855分子包含多达5个不同的元素在QM 9数据库中报告的参考数据。需要比ACSF少得多的wACSF来获得分子结构的可比空间分辨率。与此同时，这个较小的wACSF集合在机器学习潜力方面比传统ACSF的大集合具有更好的泛化性能。此外，我们表明，描述符的内在参数原则上可以用遗传算法以高度自动化的方式进行优化。对于这里采用的wACSF，我们发现，然而，使用一个简单的经验参数化方案是足够的，以获得高精度的HDNNPs。
2017-12-15 physics.chem-ph stat.ML
PyTIE: A Python Program for the Evaluation of Degree-Based Topological Descriptors and Molecular Entropy
Vellore Institute of Technology（维罗尔理工学院）；Rajalakshmi institute of technology（拉贾拉克什米理工学院）；Nirmala College (Autonomous)（尼尔马拉学院（自治））
本文开发了开源跨平台Python包PyTIE，用于系统计算基于度和邻域度的拓扑指数及香农熵，为数学能力有限的化学与化工研究人员提供常数时间内的结果检索、分子图加载与可视化，并支持QSAR和QSPR分析。
2025-10-27 math.CO physics.chem-ph
Edge Irregularity Strength: A Complementary Descriptor to Topological Indices in QSPR and QSAR Studies
REVA University（瑞瓦大学）；PES University（佩斯大学）；Tumkur University（通库尔大学）
本文提出将图标记度量边不规则性强度作为拓扑指数的互补描述符，通过为原子分配数值标签系统表征结构特征，证明其能有效捕获分子特征并预测物理化学性质，为QSPR和QSAR研究提供新方法。
2025-11-03 cond-mat.mtrl-sci physics.chem-ph
Molecular Similarity in Machine Learning of Energies in Chemical Reaction Networks
针对化学反应网络中过渡态结构能量预测的挑战，本研究探讨了结构描述符的局限性，发现基于DFT与耦合簇方法能量差的$Δ$-机器学习优于直接学习，并指出需更复杂的描述符以准确预测过渡态能量。
2025-04-25 physics.chem-ph physics.comp-ph
Propellant Discovery For Electrospray Thrusters Using Machine Learning
本研究提出基于分子结构预测离子液体是否适合作电喷雾推进器推进剂的机器学习框架，构建标注数据集评估四种算法，发现SVM性能最优并筛选出193种候选推进剂，还通过SHAP分析分子描述符的影响。
2024-09-15 physics.chem-ph
Insights into Ionic Diffusion in C-S-H Gel Pore from Molecular Dynamics Simulations: Spatial Distributions, Energy Barriers, and Structural Descriptor
Rice University（莱斯大学）
本文利用MD模拟解析4 nm C-S-H孔道中Na、Cl和水扩散的空间异质性，结合Arrhenius分析、TCS描述符与Darcy-Brinkman经验模型揭示界面受限机制。
2025-09-27 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Generalizable, Fast, and Accurate DeepQSPR with fastprop
Massachusetts Institute of Technology（麻省理工学院）
本文提出fastprop框架，利用分子级描述符在更短时间内达到或超越学习表示的预测性能，实现快速、准确且可泛化的定量结构-性质关系预测。
2025-01-29 cs.LG physics.chem-ph
Machine learning evaluation of structural descriptors for supercooled water
The University of Osaka（大阪大学）
本文利用神经网络温度分类框架评估16种结构描述符，揭示其区分超冷却水温度依赖性结构变化的能力，并通过可解释人工智能方法确定影响模型预测的结构特征。
2026-07-10 cond-mat.soft physics.chem-ph
Unsupervised identification of crystal defects from atomistic potential descriptors
本文比较PCA、UMAP和PaCMAP三种无监督算法，利用分子动力学原子势描述符识别硅和水体系中的晶体缺陷、相及冰成核晶核，发现PaCMAP总体更稳健，UMAP在类别不平衡时更优。
2024-09-30 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
Shannon and Rényi entropies of molecular densities: insights into extensivity and the incomplete description of electron correlation
University of Oviedo（奥维耶多大学）
本文研究了基于电子密度和形状函数的香农和雷尼熵作为电子相关性描述符的可靠性，发现这些密度基描述符在静态相关性和可扩展性方面存在缺陷。
2026-04-20 physics.chem-ph quant-ph
A Novel Approach to Describe Chemical Environments in High Dimensional Neural Network Potentials
分子动力学模拟的一个中心问题是支配原子相互作用的势能面。这些超曲面定义了系统的势能，并且通常使用预定义的分析公式（经典）或量子力学模拟（从头算）来计算。前者只能准确地再现选定的材料特性，而后者则限于短的模拟时间和小系统。机器学习势最近已经成为模拟原子相互作用的第三种方法，并且旨在以经典势的速度提供从头计算模拟的准确性。然而，机器学习潜力的性能关键取决于对局部原子环境的描述。提出了一组不变的，正交的和可微的原子环境的描述符，实现在固态硅的神经网络潜力，并在分子动力学模拟测试。使用建议的描述符的神经网络被发现优于使用Behler Parinello和SOAP描述符目前在文献中。
2019-07-04 physics.chem-ph physics.comp-ph
Obtaining transferable chemical insight from solving machine-learning classification problems: Thermodynamical properties prediction, atomic composition as good as Coulomb matrix
机器学习（ML）可用于构建替代模型，以快速预测感兴趣的属性。因此，ML可以应用于化学项目，其中通常的实验或计算技术可能需要数小时或数天才能完成一个样本。通过这种方式，可以从广泛的数据库中提取最有希望的候选样本，并对其进行进一步的深入分析。尽管ML方法具有广泛的适用性，但将ML方法应用于给定的化学问题可能具有挑战性，因为必须做出大量的设计决策，例如使用的分子描述符或训练模型的优化器。在这里，我们提出了一个有意义的探索一个给定的分子问题，通过分类实验的方法。这种概念上简单的方法可以对所选问题产生可转移的见解，并可用作评估预测难度、测试和改进分子表示以及可以开展更精确或雄心勃勃的项目的平台。也可以获得物理化学的见解。通过使用多个分子描述符预测来自公共数据库QM9 [Ramakrishnan 2014]的133，885个有机分子的分子的焓、吉布斯自由能、零点振动能和定容热容来说明该方法。一个值得注意的结果是，对于我们提出的分类问题，低分辨率描述符“原子组成”[Tchagang 2019]可以达到几乎与高分辨率“排序库仑矩阵”[Rupp 2012，Montavon 2012，Hansen 2013]（$>90\%$）相当的分类率，前提是在训练期间使用适当的优化器。
2022-12-02 physics.chem-ph physics.comp-ph
Pushing the Limits of All-Atom Geometric Graph Neural Networks: Pre-Training, Scaling and Zero-Shot Transfer
The University of Chicago（芝加哥大学）；Amazon Web Services（亚马逊网络服务）；Amazon（亚马逊）
本研究针对几何图神经网络在下游任务泛化差的问题，探索预训练全原子Geom-GNNs作为可迁移描述符的可行性，分析其在不同学习设置下的缩放规律，验证图嵌入与其他架构结合的效果及潜空间投影与传统描述符的一致性。
2024-10-29 cs.LG physics.chem-ph
Design and Analysis of Machine Learning Exchange-Correlation Functionals via Rotationally Invariant Convolutional Descriptors
在这项工作中，我们探索了一种新的数据驱动的方法来设计交换相关（XC）泛函的潜力。该方法受计算机视觉中的卷积滤波器和优化中的代理函数的启发，利用电子密度的卷积来形成特征空间以表示局部电子环境和神经网络以将特征映射到交换相关能量密度。这些特征是无轨道的，并提供了一个系统的路线，包括各种长度尺度的信息。这项工作表明，卷积描述符理论上能够精确表示电子密度，并提出麦克斯韦-笛卡尔球谐核作为一类旋转不变描述符，用于构建机器学习泛函。该方法是证明使用的数据从B3 LYP功能上的一些小分子含有C，H，O和N以及神经网络回归模型。将机器学习的泛函与标准物理近似进行比较，并评估每个分子系统的绝对能量以及形成能的准确性。结果表明，它是可能的重现B3 LYP形成能的化学精度内使用轨道自由的描述符与空间范围为0.2 A。这些发现为电子交换的空间范围提供了经验性的见解，并表明卷积描述符和机器学习回归模型的组合是XC功能设计的一个有前途的新框架，尽管在获得训练数据和生成与赝势一致的模型方面仍然存在挑战。
2019-01-30 physics.chem-ph physics.comp-ph
Semi-Supervised Junction Tree Variational Autoencoder for Molecular Property Prediction
Simon Fraser University（西蒙弗雷泽大学）
分子表示学习对于解决许多药物发现和计算化学问题至关重要。由于分子结构的复杂性和化学空间的广阔性，这是一个具有挑战性的问题。分子的图形表示比传统的表示（如分子指纹）更具表现力。因此，它们可以提高机器学习模型的性能。我们提出了SeMole，一种增强连接树变分自编码器的方法，这是一种最先进的分子图生成模型，具有半监督学习。SeMole旨在通过利用未标记数据来提高标记数据有限时分子性质预测的准确性。我们强制该模型生成分子图的条件下，通过将属性的潜在表示的目标属性。我们提出了一个额外的预训练阶段，以改善我们的半监督生成模型的训练过程。我们使用三种不同的分子特性对ZINC数据集进行了实验评估，并证明了半监督的好处。
2023-01-15 cs.LG physics.chem-ph
Pre-training Transformers for Molecular Property Prediction Using Reaction Prediction
Research Institute of Sweden (RISE)（瑞典研究院（RISE））；Uppsala University（乌普萨拉大学）
分子性质预测在化学中是必不可少的，特别是对于药物发现应用。然而，可用的分子特性数据往往是有限的，鼓励从相关数据的信息转移。迁移学习在计算机视觉和自然语言处理信号传导等领域产生了巨大的影响，因为它在分子特性预测方面具有潜力。我们提出了一个预训练程序的分子表示学习使用反应数据，并用它来预训练SMILES Transformer。我们对MoleculeNet在物理化学，生物物理学和生理学中的12个分子性质预测任务进行了微调和评估，并显示与非预训练基线模型相比，对12个任务中的5个任务具有统计学显著的积极影响。
2022-07-06 cs.LG physics.chem-ph q-bio.BM
Does Pretraining Teach Chemical Language Models Chemistry?
Harvard University（哈佛大学）
该研究在64个分子属性预测数据集上系统评估化学语言模型（CLMs）的预训练效果，发现其预训练增益不随规模扩大而提升，仅基于传统物理化学描述符的监督式预训练可稳定提升性能，且CLMs仅学到少量额外化学知识。
2026-10-15 cs.CL cs.LG physics.chem-ph
Quantitative Prediction on the Enantioselectivity of Multiple Chiral Iodoarene Scaffolds Based on Whole Geometry
Gachon University（嘉泉大学）；Ajou University（亚洲大学）
原子水平上的不对称催化的机理基础为开发超越当前最先进水平的手性催化剂的潜在价值提供了捷径。在对映选择性氧化还原转化中，目前的直觉驱动的研究需要一个系统的方法来支持他们的直觉想法。可以说，最系统的方法将是基于可靠的定量结构选择性关系的多样性和不同的手性支架在一个最佳的特征空间，普遍适用于反应。在这里，我们介绍了一个预测的工作流程，用于扩展手性催化剂的反应范围。为此，从DFT优化的多个催化剂支架的3D结构编码整个几何描述符，9个簇中的113个催化剂。通过统计比较由手性碘代芳烃的每个描述符建立的对映体选择性预测分类模型，验证了分子描述符。更值得注意的是，捕获整个分子的几何形状，通过一个热编码的分裂三维分子指纹提出了可靠的对映体选择性预测回归模型为三个不同的名称反应，通过回收的数据和元数据获得跨反应。该工作流程的潜在使用价值以及可回收性、兼容性和通用性的优点证明，该工作流程可应用于除上述命名反应之外的命名反应（样品外）。此外，对于系综模型的一致性预测，该全局描述符可以与sterimol参数和非共价相互作用向量进行比较。本研究是一个如何克服有机反应，特别是不对称催化反应中实验数据稀疏性的案例。
2021-03-25 cond-mat.mtrl-sci cs.LG physics.chem-ph
KPGT: Knowledge-Guided Pre-training of Graph Transformer for Molecular Property Prediction
Tsinghua University（清华大学）
设计用于分子性质预测的精确深度学习模型在药物和材料发现中发挥着越来越重要的作用。最近，由于标记分子的稀缺性，用于学习分子图的可推广和可转移表示的自监督学习方法引起了人们的广泛关注。在本文中，我们认为，存在两个主要问题，阻碍目前的自监督学习方法从获得理想的性能的分子性质预测，即，不明确的预训练任务和有限的模型容量。为此，我们引入知识引导的图Transformer（KPGT）的预训练，这是一种用于分子图表示学习的新型自监督学习框架，以缓解上述问题并提高下游分子性质预测任务的性能。更具体地说，我们首先介绍了一个高容量的模型，命名为线图Transformer（LiGhT），它强调了化学键的重要性，主要是为了模拟分子图的结构信息。然后，提出了一种知识引导的预训练策略，利用分子的额外知识来指导模型从大规模未标记分子图中捕获丰富的结构和语义信息。广泛的计算测试表明，KPGT可以提供优于当前国家的最先进的方法上的几个分子性质预测任务的性能。
2022-06-02 cs.AI cs.LG physics.chem-ph
