作者:Bob Yirka，科学X网络，Phys
（同organic）有机 使用从参考文献(12)改编的PC1至PC4可视化LKB-P的初始k-均值聚类的结果(k = 8)
信用:DOI: 10
1126/科学
abj0999 亚琛工业大学和日夫斯基拉大学的一组研究人员开发了一个基于机器学习和计算得出的描述符的系统，可以用来寻找特殊类型的催化剂
在他们发表在《科学》杂志上的论文中，该小组描述了使用机器学习算法在已知类型的配体中寻找模式，并将结果应用于寻找新的催化剂
寻找对化学家有用的新催化剂是一个具有挑战性的前景
历史上，这是通过反复试验完成的
在过去的几年里，科学家们一直在寻找加快这一过程的方法，希望能够发现新的催化剂，用于创造新的或许是奇特的产品
在这项新的努力中，研究人员转向机器学习来帮助新的搜索
研究人员用已知配体一般性质的例子训练他们的算法
然后他们用它来过滤348个配体，并用计算得出的描述符将它们分类成簇
这产生了一个大数据集，该数据集被分组为更小的单元，每个单元可以用于特定的目的
然后，他们通过预测之前已经合成的配体，验证了他们的处理如预期的那样工作
他们对自己的结果感到满意，然后用它来寻找特殊类别的催化剂
他们发现他们能够使用催化剂生成新的钯(ⅰ)二聚体
研究人员指出，新系统仅用五个数据点就能发现新的配体——他们指出，其他系统需要更多的数据
他们还指出，他们的系统能够使用比其他系统少得多的数据的原因是将他们的数据库与高质量的描述符和他们的两阶段聚类方法相结合
他们声称他们的系统的准确性是“非凡的”——它已经提出了配体的建议，否则很可能永远不会被发现
他们进一步提出，他们的系统可能会被用来解决其他与寻找催化剂相关的问题
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
