计算化学公社
标题: 机器学习将会如何影响计算化学的发展 [打印本页]
作者Author: captain 时间: 2019-4-5 22:57
标题: 机器学习将会如何影响计算化学的发展
本帖最后由 captain 于 2019-4-5 23:12 编辑
现在机器学习、人工智能是比较热门的研究方向，在一些领域已经取得了一些进展。
不知道大家是否思考过这样一个问题，即机器学习会对计算化学的发展产生多大的影响？欢迎大家各抒己见。
以下是我收集的一些资料，当然这些领域严格上来说并不属于计算化学的研究范围，但是的确提供了一些有益的启示。
计算机辅助合成路线设计：
Planning chemical syntheses with deep neural networks and symbolic AI. Nature, 2018, 555, 604, DOI: 10.1038/nature25978
https://www.nature.com/articles/nature25978
计算机预测不对称催化剂的选择性：
Prediction of higher-selectivity catalysts by computer-driven workflow and machine learning. Science, 2019, 363, eaau5631, DOI: 10.1126/science.aau5631
http://science.sciencemag.org/content/363/6424/eaau5631.full
蛋白质结构预测：
2018年，在两年一度的国际蛋白质结构预测竞赛（CASP）中，AlphaFold吊打传统人类模型
http://www.predictioncenter.org/casp13/index.cgi
另外还有ATS的Progress in Machine Learning virtual issue
https://onlinelibrary.wiley.com/doi/toc/10.1002/(ISSN)2513-0390.Machine-Learning
以及刚看到的一篇文献
Effect of Constituent Materials on Composite Performance: Exploring Design Strategies via Machine Learning
https://onlinelibrary.wiley.com/doi/full/10.1002/adts.201900056
作者Author: archer 时间: 2019-4-6 01:28
本帖最后由 archer 于 2019-4-9 09:13 编辑
未来的热门领域
作者Author: Jasminer 时间: 2019-4-6 11:33
个人认为更多的是机遇而不是挑战。
毕竟机器学习更擅长的是从海量数据中发掘出人难以注意到规律、事实，这个其实是抢了实验、或者说是统计的饭碗，接下来的why才是计算化学核心竞争力。
当然，相当一部分过去的研究是靠改进拟合更贴近实验事实，这个的饭碗就被砸了大半了。
作者Author: captain 时间: 2019-4-6 14:41
能否通过机器学习找出传说中的圣杯泛函？
作者Author: ABetaCarw 时间: 2019-4-8 22:23
能找出全方位吊打b3lyp的方法 我就很开心了。是吊打 不是略强
作者Author: 一颗赛艇 时间: 2019-4-8 23:47
还有机器学习拟合的力场
作者Author: granvia 时间: 2019-4-9 23:15
ABetaCarw 发表于 2019-4-8 22:23
能找出全方位吊打b3lyp的方法 我就很开心了。是吊打 不是略强
如果没找到是不是说现在的机器学习和AI仍处于垃圾阶段？
作者Author: yjmaxpayne 时间: 2019-4-10 15:57
本帖最后由 yjmaxpayne 于 2019-10-21 13:39 编辑
我来发个各大刊的各种Special issue贴吧，目测还有不少刊在路上：
2019-10-21更新
ACS Central Science Virtual Issue on Machine Learning
https://pubs.acs.org/page/acscii/vi/deepchemistry.html
JCP: SPECIAL TOPIC: DATA-ENABLED THEORETICAL CHEMISTRY
https://aip.scitation.org/toc/jcp/148/24?size=all&expanded=148&
JPC: Machine Learning Virtual Issue
https://pubs.acs.org/page/vi/jpc-machine-learning.html
JCIM: Computational Methods for Drug Discovery and Design
https://pubs.acs.org/page/vi/com ... l?ref=jcisd8Feature
ATS: Progress in Machine Learning virtual issue
https://onlinelibrary.wiley.com/ ... 90.Machine-Learning
Wiley: Hot Topic: Artificial Intelligence and Machine Learning
https://onlinelibrary.wiley.com/doi/toc/10.1002/(ISSN)2513-0390.hottopic-artificialintelligence
MRS Bulletin: The Machine Learning Revolution in Materials Research Volume 44 - Issue 7 - July 2019
https://www.cambridge.org/core/journals/mrs-bulletin/issue/machine-learning-revolution-in-materials-research/87259ED4159018B67183A81FCBC1F42C
MRS Communications: Artificial Intelligence
https://www.cambridge.org/core/journals/mrs-communications/special-issues/artificial-intelligence
npj Compoutational Materials
https://www.nature.com/npjcompumats/
AI相关文章常年不断
某小mm在git上发了个集合，给大家参考：
https://github.com/sha256feng/mldl-md-dynamics
更新中...
作者Author: masker 时间: 2019-4-29 15:05
就目前的发展来看，感觉机器学习尤其是现在很热门的CNN, RNN并不能帮助解决why的问题。倒是能帮助我们省下一些综合归纳某些规律的功夫。
作者Author: lonemen 时间: 2019-5-1 21:54
yjmaxpayne 发表于 2019-4-10 15:57
我来发个各大刊的各种Special issue贴吧，目测还有不少刊在路上：
ACS Central Science Virtual Issue o ...
谢谢逍遥哥的统计。收藏之
作者Author: 少年爱吃地三鲜 时间: 2019-5-20 10:39
我们的模拟组也正在靠拢中
作者Author: cumtzl 时间: 2019-6-13 15:35
机器学习在预测新材料方面也很有前途的
作者Author: Scienceme 时间: 2019-6-13 22:38
怎么可能抢了实验的饭碗，比如：我看到有一个今年英超排名预测，还没踢 预测出来的 就不用踢了？
作者Author: yjmaxpayne 时间: 2019-7-23 07:22
我的特刊集合也包括了材料方面的内容
作者Author: biogon 时间: 2019-7-24 14:42
泛函的潜力就那么多了，再怎么挖潜力就算是弄出圣杯泛函也不能和Full CI相比
作者Author: linqiaosong 时间: 2019-7-31 18:35
我们现在就希望能够预测一些新材料，感觉这方面是大势所趋啊
| 欢迎光临 计算化学公社 (http://bbs.keinsci.com/) |
Powered by Discuz! X3.3 |