مدل CheMeleon برای پیشبینی خواص مولکولی از دادههای اندک سازگار است
کشف مولکولهای جدید برای مصارف خاص، محرک اصلی پیشرفت در طیف گستردهای از صنایع است، چه شرکتهای داروسازی به دنبال داروهای جدید باشند یا شرکتهای الکترونیک یا شرکتهای انرژی که به دنبال مواد جدید با خواص خاص هستند. اما این نیز تا حد زیادی یک فرآیند آزمون و خطا است، زیرا هنوز هیچ راهی برای پیشبینی کامل نحوه رفتار یک ترکیب شیمیایی معین از نظر تعداد بیشمار وجود ندارد.
کشف مولکولهای جدید برای مصارف خاص، محرک اصلی پیشرفت در طیف گستردهای از صنایع است، چه شرکتهای داروسازی به دنبال داروهای جدید باشند یا شرکتهای الکترونیک یا شرکتهای انرژی که به دنبال مواد جدید با خواص خاص هستند. اما این نیز تا حد زیادی یک فرآیند آزمون و خطا است، زیرا هنوز هیچ راهی برای پیشبینی کامل نحوه رفتار یک ترکیب شیمیایی معین از نظر خواص بیشمار و پاسخهایی که مواد میتوانند نشان دهند، وجود ندارد.
متن اصلی (انگلیسی)
CheMeleon model adapts to predict molecular properties from scant data
Discovering new molecules for specific uses is a major driver of progress in a wide variety of industries, whether it's pharmaceutical companies looking for new drugs or electronics or energy companies seeking new materials with particular properties. But it's also largely a trial-and-error process, because there is not yet any way to perfectly predict how a given chemical compound will behave in terms of the myriad…