机器学习将会如何影响计算化学的发展

captain · 发表于 Post on 2019-4-5 22:57:16

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

archer · 发表于 Post on 2019-4-6 01:28:47

本帖最后由 archer 于 2019-4-9 09:13 编辑

未来的热门领域

Jasminer · 发表于 Post on 2019-4-6 11:33:19

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。

captain · 发表于 Post on 2019-4-6 14:41:03

能否通过机器学习找出传说中的圣杯泛函？

ABetaCarw · 发表于 Post on 2019-4-8 22:23:16

captain 发表于 2019-4-6 14:41
能否通过机器学习找出传说中的圣杯泛函？

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

一颗赛艇 · 发表于 Post on 2019-4-8 23:47:18

还有机器学习拟合的力场

granvia · 发表于 Post on 2019-4-9 23:15:59

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？

yjmaxpayne · 发表于 Post on 2019-4-10 15:57:26

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...

masker · 发表于 Post on 2019-4-29 15:05:51

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。

lonemen · 发表于 Post on 2019-5-1 21:54:01

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

少年爱吃地三鲜 · 发表于 Post on 2019-5-20 10:39:01

我们的模拟组也正在靠拢中

cumtzl · 发表于 Post on 2019-6-13 15:35:58

机器学习在预测新材料方面也很有前途的

Scienceme · 发表于 Post on 2019-6-13 22:38:02

Jasminer 发表于 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 ...

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？

yjmaxpayne · 发表于 Post on 2019-7-23 07:22:09

cumtzl 发表于 2019-6-13 15:35
机器学习在预测新材料方面也很有前途的

我的特刊集合也包括了材料方面的内容

biogon · 发表于 Post on 2019-7-24 14:42:00

captain 发表于 2019-4-6 14:41
能否通过机器学习找出传说中的圣杯泛函？

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

		自动登录 Automatic login	找回密码 Forget password
密码 Password			注册 Register

[灌水] 机器学习将会如何影响计算化学的发展

评分 Rate

评分 Rate