文献

J-GLOBAL ID：202202253980678152   整理番号：22A0971740

機械学習は文献の人気性傾向を簡単に捕捉する可能性がある:複素環Suzuki-Miyauraカップリングの事例研究【JST・京大機械翻訳】

Machine Learning May Sometimes Simply Capture Literature Popularity Trends: A Case Study of Heterocyclic Suzuki-Miyaura Coupling

著者 (14件)： Beker Wiktor (Allchemy, Inc., Indiana, United States) ,  Beker Wiktor (Institute of Organic Chemistry, Polish Academy of Sciences, Poland) ,  Roszak Rafal (Allchemy, Inc., Indiana, United States) ,  Roszak Rafal (Institute of Organic Chemistry, Polish Academy of Sciences, Poland) ,  Wolos Agnieszka (Allchemy, Inc., Indiana, United States) ,  Wolos Agnieszka (Institute of Organic Chemistry, Polish Academy of Sciences, Poland) ,  Angello Nicholas H. (Department of Chemistry, University of Illinois at Urbana-Champaign, Illinois, United States) ,  Rathore Vandana (Department of Chemistry, University of Illinois at Urbana-Champaign, Illinois, United States) ,  Burke Martin D. (Department of Chemistry, University of Illinois at Urbana-Champaign, Illinois, United States) ,  Burke Martin D. (Department of Biochemistry, Institute for Genomic Biology, Carle Illinois College of Medicine, and Beckman Institute, University of Illinois at Urbana-Champaign, Illinois, United States) ,  Grzybowski Bartosz A. (Allchemy, Inc., Indiana, United States) ,  Grzybowski Bartosz A. (Institute of Organic Chemistry, Polish Academy of Sciences, Poland) ,  Grzybowski Bartosz A. (Center for Soft and Living Matter, Institute for Basic Science (IBS), Republic of Korea) ,  Grzybowski Bartosz A. (Department of Chemistry, Ulsan Institute of Science and Technology (UNIST), Republic of Korea)
資料名： Journal of the American Chemical Society  (Journal of the American Chemical Society)
巻： 144  号： 11  ページ： 4819-4827  発行年： 2022年 
JST資料番号： C0254A  ISSN： 0002-7863  CODEN： JACSAT  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： 合成化学への機械学習(ML)の応用は,多数の文献報告例が化学反応性の正確な予測モデルの構築を可能にするという前提に依存する。本論文では,注意深く湾曲した文献データの豊富さが,この目的に不十分であることを示した。複素環式ビルディングブロックとのSuzuki-Miyauraカップリングの例を用いて,>10,000の文献事例の注意深く選択したデータベースは,MLモデルが,探索空間が溶媒と塩基だけに限定されるとしても,最適反応条件の有意義な予測を提供できないことを示した。この結果は,適用したMLモデル(単純なフィードフォワードから最先端のグラフ畳込みニューラルネットワーク)または反応パートナー(多様な指紋,化学記述子,潜在表現など)を記述する表現に無関係である。すべての場合において,ML法は,文献で報告されている特定の反応条件のシーラー周波数に基づくナイーブな帰属よりも,かなり良く実行できなかった。これらの不満足な結果は,あるプロトコル,ある溶媒/試薬のアベイラビリティとしてのムンダンとしての他のバイアス因子,および/または負のデータの欠如を利用するための,様々な化学者の主観的選好を反映していると思われる。これらの知見は,アルゴリズム訓練のための信頼でき標準化されたデータセットを系統的に生成することの重要性を強調する。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  データベース ,  標準化 ,  フィードフォワード ,  アベイラビリティ ,  化学合成 ,  *複素環化合物 ,  指紋 ,  *事例研究 ,  バイアス ,  *機械学習 ,  *Suzuki反応 ,  予測モデル
準シソーラス用語： 反応条件 ,  ビルディングブロック , 【Automatic Indexing@JST】

分類 (1件)： 付加反応,脱離反応  (CF02030M)

タイトルに関連する用語 (8件)： 機械学習 ,  文献 ,  傾向 ,  捕捉 ,  可能性 ,  複素環 ,  Suzuki-Miyauraカップリング ,  研究