【J. Org. Chem.】大连理工大学本科生作为第一作者：优化挑战性Heck反应产率数据集模型学习性能
CBG资讯
2025-09-10 11:19
文章摘要
背景：机器学习在有机合成预测中面临数据质量与完整性的挑战，现有数据集存在规模小或分布稀疏等问题。研究目的：构建大规模Heck反应产率数据集HeckLit，并探索优化策略以提升机器学习模型预测性能。结论：通过子集分割训练策略（SSTS）显著提升模型预测效果（R²从0.318增至0.380），为处理稀疏不平衡化学数据提供新思路，同时指出未来需关注负样本采集与大语言模型结合等方向。
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
Electron Pushing: Variants That Alter the Catalytic Distribution of Electrons in Dihydroorotate Dehydrogenase 1B from <i>Lactococcus lactis</i>.
DOI: 10.1021/acs.biochem.5c00409
Pub Date : 2025-09-07
Cs2CO3-Catalyzed Decarboxylation/Cyclization to Access Functionalized 8-Hydroxyisoquinoline-1(2H)-ones and 2-Pyridones Assisted by Microwave Irradiation.
DOI: 10.1021/acs.joc.5c01687
Pub Date : 2025-09-09
Developing an In-House Application for Hazardous Chemicals Management
DOI: 10.1021/acs.chas.4c00062
Pub Date : 2024-09-19
CBG资讯
最新文章
京公网安备 11010802042870号
