准确率达100%，「人机交互」机器学习，驱动有机反应精确原子映射研究

AIGC动态欢迎阅读

原标题：准确率达100%，「人机交互」机器学习，驱动有机反应精确原子映射研究
关键字：反应,原子,模型,报告,反应物
文章来源：人工智能学家
内容字数：6763字

内容摘要：

来源：ScienceAI
编辑：X
原子到原子映射（Atom-to-atom Mapping，AAM）是识别化学反应前后分子中每个原子位置的任务，这对于理解反应机理非常重要。
近年来，越来越多的机器学习模型用于逆合成和反应结果预测，这些模型的质量高度依赖于反应数据集中 AAM 的质量。虽然有一些算法使用图论或无监督学习来标记反应数据集的 AAM，但现有方法是基于子结构 alignments 而不是化学知识来映射原子。
在此，来自韩国首尔大学（Seoul National University）和韩国科学技术院（KAIST）的研究团队，提出了一种 ML 模型——LocalMapper，可通过人机回圈（human-in-the-loop）机器学习从化学家标记的反应中学习正确的 AAM。
研究表明，LocalMapper 通过仅从整个数据集中 2% 的人类标记反应中学习，就能以 98.5% 的校准精度预测 50 K 反应的 AAM。更重要的是，LocalMapper 给出的可信预测覆盖了 50 K 反应中的 97%，对 3,000 个随机采样的反应显示出 100% 的准确率。
在分布外（Ou

原文链接：准确率达100%，「人机交互」机器学习，驱动有机反应精确原子映射研究