86岁的汉方程得到了机器学习更新

哈梅特方程化学理论,至今已经有80多年的历史了,是扩展和提高机器学习的帮助。方程,这有助于解释电子基或撤回芳香族取代基通过哈米特常数的计算,分析计算了一组巴西研究人员想让它更加精确,并开启未知值为实际实验。

有一些实验哈米特的常量,尽管广泛使用在许多应用程序中,没有或不一致的测量值,”说伊塔玛博尔赫斯小从军事工程学院在巴西从事该研究与塞萨尔Duarte和Gabriel Monteiro-de-Castro。他补充说,这项工作“雇佣[s]机器学习算法和可用的实验值产生一组一致的不同类型的哈米特的常量。

1937年,路易哈米特出版工作导致同名哈米特方程。他工作在一个新的领域他叫“物理有机化学”。哈米特认可的水解率之间的关系的一系列乙酯与随之而来的平衡位置的相应的酸在水中的电离作用。这是第一批的工作尝试提供一个定量的理论合理化的化学结构和化学反应活性之间的关系。

他所关注的应用到元和帕拉取代苯酸和各自酯哈米特发现直接关系。每个各自的芳环上取代基可以给定一个值代表电子基或撤回的效果。这些σ值被哈米特计算实验,帮助化学家决定从这些团体对反应性的影响。哈米特然后更进一步,推导ρ值。这些值意味着化学家可以预测参与过渡态的电子的数量,允许的类型的理解机械的途径可以反应。

博尔赫斯小团队的工作使用的结合密度泛函理论(DFT)方法和机器学习算法来计算新的哈米特常数。而以前的工作使用半经验方法,博尔赫斯小州的DFT方法用于这项工作更准确计算原子的指控。使用各种元和帕拉取代基对苯和苯甲酸衍生物,DFT模型计算碳原子成键的原子电荷组分析。处理这些结果与机器学习技术导致了219年生产的σ值其中92是未知的。

除了这项工作,巴西的研究人员包括一组简化方程获得σ常数为新取代基,未曾计算。他们希望了解原子的指控来自其他DFT计算简单的方程可以获得新的σ常数。

早些时候使用这个机器学习方法,计算值,只有被发现实验计算首次取代基三(三地₃,-NHCHO -NHCONH₂)。用DFT计算原子电荷,这些值进行计算,并作为输入用于机器学习算法。结果哈米特常量算法有助于产生从实验结果与文献值三取代基。

Kristaps Ermanis诺丁汉大学的计算有机化学专家说,工作可以填写值,数据没有先前发现的,但研究的DFT依赖于数量有限的数据,这限制了机器学习方法中的参数的数量,因此可能也限制了其准确性。他相信在未来的工作中可以很容易地提高准确率而购买更多的DFT数据。

马修·格雷森和他的团队大学的计算化学浴和描述了作为一个有价值的想法,允许实验访问未知哈米特常量使用简单和容易获得原子电荷特性的。betway必威游戏下载大全