深度学习在化学信息学中的应用研究进展 |
| |
引用本文: | 刘振邦,张硕,包宇,马英明,梁蔚淇,王伟,何颖,牛利.深度学习在化学信息学中的应用研究进展[J].应用化学,2023(3):360-373. |
| |
作者姓名: | 刘振邦 张硕 包宇 马英明 梁蔚淇 王伟 何颖 牛利 |
| |
作者单位: | 1. 广州大学计算机科学与网络工程学院;2. 广州大学化学化工学院分析科学技术研究中心 |
| |
摘 要: | 在知识、数据、算法与算力的多重驱动下,深度学习不仅在计算机视觉、自然语言处理等研究领域取得了突破,并随着各学科间的迁移应用于交叉融合,逐渐衍生出多个新兴研究方向。化学信息学作为以应用信息学方法以解决化学问题的学科,深度学习技术凭借其强大的非线性学习能力,通过深度学习模型可以从数据集中对其进行筛选预测,再基于理论计算对结果可行性进行理论验证,最后通过实验表征结果,缩短了实验周期、降低了人力成本、加速了化学信息学智能化。本文简要介绍了深度学习发展历史及主要网络模型架构,介绍了近年来深度学习在在化合物合成路线规划、化合物结构活性与性质及催化剂设计的最新研究和应用现状,并对未来的发展方向进行讨论与展望。
|
关 键 词: | 深度学习 化学信息学 构效关系 合成路线 催化化学 |
|
|