一种基于模拟动力学特征对催化反应进行分类的机器学习工具

曼彻斯特大学的一对化学家开发了一种机器学习工具，可用于根据模拟的反应动力学特征对反应进行分类。在他们发表在《自然》杂志上的论文中，JordiBurés和IgorLarrosa描述了结合两种深度学习算法来创建一个可以加速新设计反应过程的系统。

内盖夫本古里安大学的DaniloLustosa和AnatMilo在同一期期刊上发表了一篇新闻和观点文章，概述了为化学研究构建AI应用程序所涉及的复杂性，并讨论了英国团队在这项新工作中的工作.

为了创建他们的AI工具，Burés和IgorLarrosa使用了两种不同的神经网络。第一个用于跟踪反应中浓度随时间的变化。第二个用于处理来自第一个网络的数据。由此产生的工具尚未命名，使用500万个模拟动力学样本及其与20种催化反应机制的关联进行了训练。运行时，它能够接收来自超过五十万个参数的集合的数据。训练完成后，系统会应用从训练中学到的规则作为分类方法。

然后，研究人员使用模拟数据测试了他们的模型，发现它在100,000个样本中只产生了38个错误。接下来，他们添加了噪声以使测试更接近真实场景，并发现错误率在平均条件下降至99.6%，在极端条件下降至83%。然后，研究人员使用先前实验的数据测试了他们的模型，发现结果符合他们所说的“化学上合理”。

Lustosa和Milo指出，Burés和Larrosa创建的工具应该能够减少通常与生成深度学习AI系统通常需要的大量实验动力学数据相关的瓶颈。他们还指出，该系统生成的数据可能会用于培训工作，因为由于与机械场景的关联，它比平时干净得多。