| 2021年11月12日 |
机器学习揭示大型复杂分子原子结构高山市Nanoverk新闻)直到最近,观察分子在化学反应期间如何破解或变换的想法是不可理解的。2016年,ICFO研究者开发中IR导电解析图像 |
| 光计空间和分秒解析法允许实战图像并跟踪乙型Enterm联想分解2H级2九维分解法 |
 |
| 机器学习框架结构图,使用卷积神经网络LIED(图像:ICFO)(点击图像放大) |
| 应用LIED技术拍小气相分子小片证明是极强工具理解分子相联性以及分子反应、改变、破解、弯曲等 |
| 然而,这一技术从未应用到复杂分子结构中,因为分子越大,结构检索越难实现,因此,有必要计算多千位分子配置以适应分子所有可能的取向,而这种取向耗时长。 |
| 最近研究发布化学通信高山市machine学习激光电子分片成像分子结构CFO研究家刘习尾、Kasra Amini、Aurelien Sanchez、Blanca Belsa、Tobias Steinle报告问题解决办法新开发者机器学习算法LIED提取大复杂分子三维结构 |
| 研究团队实验开发机器学习模型并结合卷积神经网络算法,据研究者称,该算法“完全适合图像识别问题与复杂度不等图像所识别微妙特征相似人脑”。 |
| 使用CNN-ML框架预算配置数据库可大幅压缩,以清晰识别复杂手性分子结构,如Fenchone分子 |
 |
| 剖面图解Fenchone分子结构(图像:ICFO) |
| 重要结果在于能够计算复杂分子的三维分子结构并实现足够的结构解析迄今一直是非常难克服的挑战这项研究向前迈出一大步是这个领域,它综合LIED、机器学习和CNN网络不仅显示它们能预测和判定这些大分子结构,而且还在完全合理的计算处理时间内完成计算。 |
