Meldung

Maschinelles Lernen für nicht-kovalente Interaktionen

02.07.2024

Von Wiley-VCH zur Verfügung gestellt

Die Møller-Plesset-Störungstheorie zweiter Ordnung (MP2) hat Defizite bei Dispersionswechselwirkungen. Sie sagt beispielsweise deren Energetik falsch voraus. Die Defizite überwindet ein maschineller Lernansatz von Lao und Villot von der Virginia Commonwealth University. Ihr Schema verbindet die Vorteile der wellenfunktionsbasierten MP2-Methode und des maschinellen Lernansatzes aiD(CCD). Die neue Methode, MP2+aiD(CCD), sagt nichtkovalente Interaktionen in Datensätzen besser voraus als ähnliche Methoden – besonders Datenpunkte, die nicht Teil des Trainingsdatensatzes sind. MP2+aiD(CCD) simuliert nicht-kovalente Wechselwirkungen in Komplexen mit...

Tags

Verwandte Artikel

Maschinelles Lernen für nicht-kovalente Interaktionen
Struktur, Funktionalität und Bioaktivität pflanzlicher Proteine / Trendbericht Lebensmittelchemie 2026 2/4
Maschinelles Lernen für nicht-kovalente Interaktionen
Verarbeitung, Verdauung und Risikobewertung / Trendbericht Lebensmittelchemie 2026 4/4
Maschinelles Lernen für nicht-kovalente Interaktionen
Von präparativer Aufreinigung zur Bioaktivität / Trendbericht Lebensmittelchemie 2026 3/4
Maschinelles Lernen für nicht-kovalente Interaktionen
Ja, das schon wieder / Trendbericht Lebensmittelchemie 2026 1/4
Maschinelles Lernen für nicht-kovalente Interaktionen
Notizen aus der Forschung