Jan, 2024
用于表面活性剂多特性预测的图神经网络
Graph Neural Networks for Surfactant Multi-Property Prediction
Christoforos Brozos, Jan G. Rittig, Sandip Bhattacharya, Elie Akanny, Christina Kohlmann...
TL;DR通过创建含有 429 种分子的最大的 CMC 数据库和含有 164 种分子的第一个大型表面过剩浓度 ($\Gamma$$_{m}$) 数据集，我们发展了 GNN 模型来预测 CMC 和 $\Gamma$$_{m}$，通过尝试单任务和多任务学习，并采用集成学习和迁移学习等不同的训练策略，发现多任务 GNN 与集成学习在所有 $\Gamma$$_{m}$ 和 CMC 数据上训练得到的模型效果最好，最后，我们测试了 CMC 模型在工业级纯组分表面活性剂上的泛化能力，发现 GNN 对 CMC 有高度准确的预测，具有未来工业应用的巨大潜力。