当前位置：
X-MOL 学术
›
Org. Chem. Front.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
基于机器学习的不对称转移氢化对映体过量值预测
Organic Chemistry Frontiers ( IF 4.6 ) Pub Date : 2023-01-31 , DOI: 10.1039/d2qo01680j Ben Gao 1 , Yuqi Chang 1 , Wenjun Tang 1, 2
Organic Chemistry Frontiers ( IF 4.6 ) Pub Date : 2023-01-31 , DOI: 10.1039/d2qo01680j Ben Gao 1 , Yuqi Chang 1 , Wenjun Tang 1, 2
Affiliation
|
不对称转移氢化在有机合成中有着广泛的应用。在这项工作中，我们通过建立机器学习黑盒模型来预测不对称转移氢化反应的对映体过剩值。基于DFT计算，我们提取了一些分子描述符（如甾体醇参数、埋藏体积参数、NBO电荷等）作为特征，可以输入到机器学习模型中，然后计算出对映体过剩值。我们发现随机森林模型在该数据集上表现最好，测试集均方根误差为 8.6，决定系数R 2与实验值相比，对映体过量值的预测为0.86。结果表明，我们的模型可用于预测不对称转移氢化的对映体过量值。
"点击查看英文标题和摘要"
更新日期：2023-01-31
"点击查看英文标题和摘要"
京公网安备 11010802027423号