Feb, 2024
底物范围对比学习：重塑人类偏见以学习原子表示
Substrate Scope Contrastive Learning: Repurposing Human Bias to Learn Atomic Representations
Wenhao Gao, Priyanka Raghavan, Ron Shprints, Connor W. Coley
TL;DR学习分子表示是分子机器学习中一个关键步骤，它对于建模的成功具有重大影响，特别是在数据稀缺情况下。本研究引入了一种新颖的预训练策略，基底范围对比学习，通过学习与化学反应性相匹配的原子表示。该方法将已发布的基底范围表中的基底组织和收率视为其在化学反应性方面的相似性或差异性的度量。研究验证了预训练方法，并应用于产量预测、区域选择性预测和新基底的选择。该研究不仅提出了一种针对化学的神经网络预训练策略，学习与反应性相匹配的原子表示，而且还首次应用了基底范围设计中的人为偏见。