Meldung

Maschinelles Lernen für Solvatationseffekte

von Johanna Heine, Ullrich Jahn, Björn Meermann, Erik Strub

29.02.2024
Maschinelles Lernen für Solvatationseffekte

Von Wiley-VCH zur Verfügung gestellt

Wie Solvatationseffekte Reaktionsraten beeinflussen, lässt sich mit einem maschinellen Lernverfahren schnell berechnen. Chung und Green vom Massachusetts Institute of Technology, USA, haben mit der Cosmo-RS-Methode einen Datensatz von 28 000 Reaktionen und 295 Lösungsmitteln erstellt. Auf dieser Grundlage trainierten sie ein maschinelles Lernverfahren, das freie Aktivierungsenthalpien in der Flüssigphase vorhersagt. Die Fehler des Modells betragen etwa 1 kcal·mol–1, und die berechneten relativen Geschwindigkeitskonstanten liegen in derselben Größenordnung wie experimentelle Daten. Das Modell soll künftig Solvatationseffekte bei der kinetische...

Tags

Verwandte Artikel

Maschinelles Lernen für Solvatationseffekte
"The war has changed my understanding of home"
Maschinelles Lernen für Solvatationseffekte
Leaving Russia for Love
Maschinelles Lernen für Solvatationseffekte
Light‐driven Reactivity and Molecular Sensors
Maschinelles Lernen für Solvatationseffekte
Ein Nanodiamant, ein Supraleiter und ein Tritiumtrenner
Maschinelles Lernen für Solvatationseffekte
Notizen aus der Forschung