Probabilistic graph-to-graph model for reaction prediction and retrosynthetic route prediction

用于反应预测和逆合成路线预测的概率图到图模型

• 批准号: 2276922
• 金额: --
• 依托单位: University of Cambridge
• 依托单位国家: 英国
• 项目类别: Studentship
• 财政年份: 2019
• 资助国家: 英国
• 起止时间: 2019 至 无数据
• 项目状态: 已结题
• 来源: https://gtr.ukri.org/projects?ref=studentship-2276922
• 关键词: Probabilistic; graph; model; reaction; prediction

This project aims to develop machine learning methodologies that predict the outcomes of chemical reaction given reagent and reactant. We also aim solve the inverse problem of devising a sequence of reactions to make a target compound from simple starting materials.

该项目旨在开发机器学习方法，预测给定试剂和反应物的化学反应结果。我们还旨在解决设计一系列反应以从简单的起始材料制备目标化合物的逆问题。

项目成果

Linear Atomic Cluster Expansion Force Fields for Organic Molecules: Beyond RMSE.

• DOI: 10.1021/acs.jctc.1c00647
• 发表时间: 2021-12-14
• 期刊: Journal of chemical theory and computation
• 影响因子: 5.5
• 作者: Kovács DP;Oord CV;Kucera J;Allen AEA;Cole DJ;Ortner C;Csányi G
• 通讯作者: Csányi G

Quantitative interpretation explains machine learning models for chemical reaction prediction and uncovers bias.

• DOI: 10.1038/s41467-021-21895-w
• 发表时间: 2021-03-16
• 期刊: Nature communications
• 影响因子: 16.6
• 作者: Kovács DP;McCorkindale W;Lee AA
• 通讯作者: Lee AA