文献

J-GLOBAL ID：202002260875564497   整理番号：20A2582344

人工ニューラルネットワークによる共結晶予測【JST・京大機械翻訳】

Co-crystal Prediction by Artificial Neural Networks**

著者 (5件)： Devogelaer Jan-Joris (Radboud University, Institute for Molecules and Materials, Heyendaalseweg 135, 6525, AJ, Nijmegen, The Netherlands) ,  Meekes Hugo (Radboud University, Institute for Molecules and Materials, Heyendaalseweg 135, 6525, AJ, Nijmegen, The Netherlands) ,  Tinnemans Paul (Radboud University, Institute for Molecules and Materials, Heyendaalseweg 135, 6525, AJ, Nijmegen, The Netherlands) ,  Vlieg Elias (Radboud University, Institute for Molecules and Materials, Heyendaalseweg 135, 6525, AJ, Nijmegen, The Netherlands) ,  de Gelder Rene (Radboud University, Institute for Molecules and Materials, Heyendaalseweg 135, 6525, AJ, Nijmegen, The Netherlands)
資料名： Angewandte Chemie  (Angewandte Chemie)
巻： 132  号： 48  ページ： 21895-21902  発行年： 2020年 
JST資料番号： A0396A  ISSN： 0044-8249  CODEN： ANCEAD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 分子の物理化学的性質を変える可能性のため,産業と学界の両方による共結晶の設計と合成に,かなりの注目が払われている。しかし,共結晶を形成するための分子(または配座異性体)の適切な組合せを探索するときは困難が生じ,標的の固体状態景観の効率的な探索を妨げる。本論文では,2種類の人工ニューラルネットワークモデルとCambridge構造データベースに存在する共結晶データに基づくデータ駆動共結晶予測法の適用について報告した。モデルは配座異性体の対を受け入れ,共結晶が形成するかどうかを予測する。両タイプの多重モデルの出力を結合することにより,提案アプローチは,提案した共結晶訓練と検証セットに対して優れた性能を持ち,以前の共結晶化データが利用できない分子に対して80%の推定精度を有することを示した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  データベース ,  *ニューラルネットワーク ,  固相 ,  機械学習
準シソーラス用語： 神経回路網モデル ,  物理化学的性質 ,  配座異性体 ,  推定精度 ,  多重モデル ,  *共結晶 ,  データ駆動 ,  共結晶化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工ニューラルネットワーク ,  共結晶 ,  結晶工学 ,  機械学習 ,  固体構造

分類 (2件)： 有機化合物の結晶成長  (BK13070E) ,  分子化合物  (CE02000C)

タイトルに関連する用語 (3件)： 人工ニューラルネットワーク ,  共結晶 ,  予測