普通有机分子或药物热分解稳定性的理论预测

采用密度泛函理论方法, 在B3LYP/6-31+G(d,p)水平上, 对任意选定的32个有机化合物或药物进行最低能量构象优化和结构参数理论计算. 建立了四极矩参数Q_ii与半数摩尔热分解函数Y_d(1/2)的相关方程, 其定量构性关系(QSPR)方程为Y_d(1/2)=-8.65747-3.8954Q_ii, 相关系数为r²=-0.99297, 交叉验证相关系数为XV-r²=0.99188, F检验结果为4237.343321. 训练集化合物的半数分解温度T_d(1/2)的平均绝对预测误差(AVEDEV)为14.70 K. 进一步利用该方程对测试集中43个分子进行预测验证, T_d(1/2)的预测值与实验值的相关系数为0.92304, Y_d的预测值与实验值的相关系数为0.99345, 证实了所建立方法的可靠性. 结构差异性分析表明, 训练集和测试集中的化合物均较均匀地分布在结构参数的3D空间中, 化合物结构具有较好的多样性和差异性.     

基于启发式方法和支持向量机方法预测有机物的热导率

构建147个有机物分子结构与其热导率值之间的定量结构-性质关系(QSPR)模型, 探讨影响有机物热导率的结构因素. 以147个化合物作为样本集, 随机选择118个作为训练集, 29个作为测试集. 应用CODESSA软件计算了组成、拓扑、几何、静电和量子化学等描述符, 通过启发式方法(HM)筛选得到5个结构参数并建立线性回归模型; 用所选5个结构参数作为支持向量机(SVM)的输入, 建立非线性的支持向量机回归模型. 预测结果表明: 支持向量机回归模型的性能(复相关系数R²=0.9240)虽略低于启发式回归模型的性能(R²=0.9267), 但是支持向量机方法预测性能(R²=0.9682)高于启发式方法的预测性能(R²=0.9574), 对于QSPR模型来说, 预测性能更重要. 因此, 总体来说支持向量机方法优于启发式方法. 支持向量机方法和启发式方法的提出为工程上提供了一种根据分子结构预测有机物热导率的新方法.