四川大学蒲雪梅教授/卢志云教授Chem. Sci.:增强机器学习对化学意义的知识捕获来构建一类智能准确的光学性能预测模型

CBG资讯 2024-10-22 11:00
文章摘要
四川大学蒲雪梅教授和卢志云教授团队开发了一种名为SubOptGraph的深度学习框架,通过增强化学意义的子图和边的学习,提升机器学习模型对光学性能的预测准确度。该模型在四个重要光学性能预测上表现出至今最高的预测准确度,并成功合成了一个新的深蓝色发光分子,实验性能表征与预测结果一致。研究结果表明,SubOptGraph模型在光学材料领域具有实际应用潜力,能够提升实验研究的效率。
四川大学蒲雪梅教授/卢志云教授Chem. Sci.:增强机器学习对化学意义的知识捕获来构建一类智能准确的光学性能预测模型
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Issue Editorial Masthead
DOI: 10.1021/apv006i019_185488110.1021/apv006i019_1854881 Pub Date : 2024-10-11
IF 4.4 2区 化学 Q2 ACS Applied Polymer Materials
CBG资讯
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信