AI算法助力科学家精准预测化学特性

近日，麻省理工学院McGuire研究组开发了一款名为ChemXploreML的机器学习应用，旨在帮助化学研究人员更高效地预测分子特性，如沸点和熔点。传统方法在预测分子属性时耗时长、成本高，而ChemXploreML通过自动化处理，降低了技术门槛，使化学家无需编程技能即可使用先进算法进行预测。 该软件具备直观的图形界面，能将分子结构转化为计算机可识别的数值向量，并利用最新算法分析数据，精准预测多种分子属性。测试结果显示，其在预测有机化合物的临界温度方面准确率高达93%。此外，研究人员还提出了一种更高效的分子表示方法VICGAE，其准确度接近现有标准方法，但速度更快。 ChemXploreML可离线运行，确保研究数据安全。该应用未来将不断更新，以整合新算法和技术。研究团队表示，希望未来任何研究人员都能轻松应用机器学习解决各种化学问题，如开发可持续材料或探索星际化学。该成果已发表在《化学信息与建模杂志》上，主要作者为McGuire研究组的博士后Aravindh Nivas Marimuthu，另一位作者是化学系助理教授Brett McGuire。