深度学习在化学信息学中的应用研究进展

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

所属期刊栏目：40

分类号：O657(分析化学)

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：360-373