文献

J-GLOBAL ID：201802227857603233   整理番号：18A1113557

化学反応予測のための深層学習【JST・京大機械翻訳】

Deep learning for chemical reaction prediction

著者 (9件)： Fooshee David (Department of Computer Science, University of California, Irvine, Irvine, CA, USA. [e-mail]) ,  Mood Aaron ,  Gutman Eugene ,  Tavakoli Mohammadamin ,  Urban Gregor ,  Liu Frances ,  Huynh Nancy ,  Van Vranken David ,  Baldi Pierre
資料名： Molecular Systems Design & Engineering  (Molecular Systems Design & Engineering)
巻： 3  号： 3  ページ： 442-452  発行年： 2018年 
JST資料番号： W2468A  ISSN： 2058-9689  CODEN： MSDEBG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 反応予測子は化学反応と反応経路を予測するための応用である。それは,最初に電子源とシンクを同定することによって,基本反応を予測してランク付けするために深い学習を使用して,それらのソースとシンクを対にして,基本反応を提案して,最終的に好ましさによって反応をランク付けする。これらの素反応予測を一緒に連鎖することによって,グローバル反応を同定することができた。広範囲の高度な有機化学をカバーする11000以上の素反応から成るデータセットを注意深く解析した。訓練のためのこのデータを用いて,現代の有機化学文献から引き出された反応の分離された,挑戦的なベンチマークセットに関する80%のトップ-5回収率を実証した。合成化学の基本的な問題は,質量分析により観察される未知の生成物の同定である。反応予測子は,多重標的質量探索を通してそのような生成物を同定するのを助けることができる経路探索特徴を含んでいる。最後に,SMILESストリング上で直接動作する,リカレントニューラルネットワーク,特に長い短期メモリ(LSTM)アーキテクチャを用いて,電子源とシンクを予測する代替手法を検討した。このアプローチは有望な予備結果を示した。Copyright 2018 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 化学合成 ,  等級づけ ,  回収率 ,  反応経路 ,  計算機アーキテクチャ ,  記憶装置 ,  電子源 ,  *化学反応 ,  素反応 ,  有機化学 ,  経路探索 ,  多重化 ,  *予測 ,  質量分析
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  有機化学反応一般  (CF02010Q)

タイトルに関連する用語 (3件)： 化学反応 ,  予測 ,  深層学習