当前位置：
X-MOL 学术
›
J. Phys. Chem. B
›
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.)
辛醇-水分配系数的可解释归因分配
The Journal of Physical Chemistry B ( IF 2.8 ) Pub Date : 2023-07-27 , DOI: 10.1021/acs.jpcb.3c02740 Daisuke Yokogawa 1 , Kayo Suda 1
The Journal of Physical Chemistry B ( IF 2.8 ) Pub Date : 2023-07-27 , DOI: 10.1021/acs.jpcb.3c02740 Daisuke Yokogawa 1 , Kayo Suda 1
Affiliation
|
随着机器学习模型的日益发展，其可信度已成为一个重要问题。在化学中，当涉及到设计分子和调试模型时，归因分配变得越来越重要。然而，人们只关注哪些原子在预测中很重要，而没有关注归因是否合理。在这项研究中，我们开发了一种图神经网络模型，一种化学中高度可解释的归因模型，并修改了积分梯度方法。通过预测辛醇-水分配系数 (logP) 并评估归因分配中的三个指标（准确性、一致性和稳定性），证实了我们方法的可信度。
"点击查看英文标题和摘要"
更新日期：2023-07-27
"点击查看英文标题和摘要"
京公网安备 11010802027423号