首页|面向分子科学的数据智能

面向分子科学的数据智能

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
分子科学是化学的核心,也是生物、材料、药学等学科的基础.传统的分子科学研究通过实验或理论手段进行,研究成本高、周期长,难以处理高复杂度体系.随着大数据时代的到来,数据驱动的人工智能研究已成为继实验、理论和模拟之后的第4种科学研究范式.数据驱动的机器学习凭借其快速高效的数据处理能力,在分子科学领域展现出巨大的发展潜力.尤其是在分子性质预测、分子设计、化学反应预测及逆合成、量子化学计算、自动化合成等领域获得了广泛应用.本文首先介绍面向分子科学数据智能研究过程中的3个关键部分,即分子科学开放数据集、分子描述符和机器学习算法;然后,列举机器学习在不同分子科学研究方向中的重要应用案例;最后,分析讨论该研究领域可能存在的挑战及潜在发展方向.
Data intelligence for molecular science

molecular sciencedata intelligencemolecular properties predictionchemical reaction predictionautomatic synthesis

李淹博、江俊、罗毅

展开 >

材料科学姑苏实验室,苏州215123

中国科学技术大学化学与材料科学学院,合肥230026

合肥微尺度物质科学国家研究中心,合肥230026

分子科学 数据智能 分子性质预测 化学反应预测 自动化合成

国家自然科学基金国家自然科学基金中国科学院稳定支持基础研究领域青年团队计划

2202530422033007YSBR-005

2023

10.1360/TB-2022-1152

科学通报
中国科学院国家自然科学基金委员会

科学通报

CSTPCDCSCD北大核心
影响因子：1.269
ISSN：0023-074X
年,卷(期)：2023.68(17)
  • 2
  • 95