机器学习在化学合成及表征中的应用

• Published in: 上海交通大学学报 Vol. 57; no. 10; pp. 1231 - 1244
• Main Authors: 孙婕, 李子昊, 张书宇
• Format: Journal Article
• Language: Chinese
• Published: 上海交通大学 化学化工学院,上海 200240 2023
• Subjects: 监督学习; 机器学习; chemistry synthesis; supervised learning; machine learning(ML); 强化学习; 化学合成; reinforcement learning
• ISSN: 1006-2467
• DOI: 10.16183/j.cnki.jsjtu.2023.078

O621%TP3-05; 自动化化学合成是化学领域长期追求的目标之一.近年来,机器学习的出现使得实现这一目标有了可能.以数据驱动为核心的机器学习借助计算机学习海量化学数据中的信息,寻找信息之间的客观联系和规律,根据已有规律和信息训练生成模型,借助模型预测分析需解决的实际问题.机器学习因其出色的计算预测能力,帮助化学工作者快速高效解决化学合成问题,加快研究进程.机器学习的出现和发展对化学合成及表征领域展示出强大的研究助力作用,但目前并不存在通用性极强的机器学习模型,化学工作者仍需根据实际情况选择不同模型进行训练学习.从监督学习、无监督学习、半监督学习、强化学习等机器学习的角度,向化学工作者展示常见学习方法在化学合成及表征中应用的最佳案例,帮助其利用机器学习知识进一步拓宽研究思路.