请选择 进入手机版 | 继续访问电脑版

计算化学公社

 找回密码
 现在注册!
查看: 2228|回复: 15

[灌水] 机器学习将会如何影响计算化学的发展

[复制链接]

448

帖子

3

威望

4858

eV
积分
5366

Level 6 (一方通行)

发表于 2019-4-5 22:57:16 | 显示全部楼层 |阅读模式
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







评分

参与人数 1eV +3 收起 理由
yjmaxpayne + 3 赞!

查看全部评分

计算化学与分子模拟

92

帖子

0

威望

2018

eV
积分
2110

Level 5 (御坂)

发表于 2019-4-6 01:28:47 | 显示全部楼层
本帖最后由 archer 于 2019-4-9 09:13 编辑

未来的热门领域

224

帖子

0

威望

1875

eV
积分
2099

Level 5 (御坂)

发表于 2019-4-6 11:33:19 | 显示全部楼层
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。

448

帖子

3

威望

4858

eV
积分
5366

Level 6 (一方通行)

 楼主| 发表于 2019-4-6 14:41:03 | 显示全部楼层
能否通过机器学习找出传说中的圣杯泛函?
计算化学与分子模拟

215

帖子

1

威望

2137

eV
积分
2372

Level 5 (御坂)

不考了,工作去了

发表于 2019-4-8 22:23:16 | 显示全部楼层
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
恍惚月余,深谙人与人之间的差距。以后还应努力学习,才能与强者比肩。

178

帖子

0

威望

1438

eV
积分
1616

Level 5 (御坂)

发表于 2019-4-8 23:47:18 | 显示全部楼层
还有机器学习拟合的力场

570

帖子

0

威望

1032

eV
积分
1602

Level 5 (御坂)

发表于 2019-4-9 23:15:59 来自手机 | 显示全部楼层
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?

131

帖子

0

威望

1480

eV
积分
1611

Level 5 (御坂)

发表于 2019-4-10 15:57:26 | 显示全部楼层
本帖最后由 yjmaxpayne 于 2019-7-23 07:03 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:
2019-07-23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

另:
npj Compoutational Materials
https://www.nature.com/npjcompumats/
AI相关文章常年不断

更新中...


评分

参与人数 6eV +23 收起 理由
stanley + 2
少年爱吃地三鲜 + 5 老师!找到你了!哈哈
Shine剪水 + 3 谢谢分享
yszzz + 3 原来还能这么看!
yflchx + 5
ABetaCarw + 5 谢谢分享

查看全部评分

8

帖子

0

威望

736

eV
积分
744

Level 4 (黑子)

发表于 2019-4-29 15:05:51 | 显示全部楼层
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。

108

帖子

0

威望

618

eV
积分
726

Level 4 (黑子)

发表于 2019-5-1 21:54:01 来自手机 | 显示全部楼层
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

216

帖子

0

威望

498

eV
积分
714

Level 4 (黑子)

尊贵的地三鲜骑士

发表于 2019-5-20 10:39:01 | 显示全部楼层
我们的模拟组也正在靠拢中
由衷的感谢每一位给与过我帮助的人(不爱吃地三鲜的话我们很难做朋友哦)

3

帖子

0

威望

9

eV
积分
12

Level 1 能力者

发表于 2019-6-13 15:35:58 | 显示全部楼层
机器学习在预测新材料方面也很有前途的

70

帖子

0

威望

168

eV
积分
238

Level 3 能力者

发表于 2019-6-13 22:38:02 | 显示全部楼层
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?  

131

帖子

0

威望

1480

eV
积分
1611

Level 5 (御坂)

发表于 2019-7-23 07:22:09 | 显示全部楼层
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

157

帖子

0

威望

539

eV
积分
696

Level 4 (黑子)

发表于 2019-7-24 14:42:00 | 显示全部楼层
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
您需要登录后才可以回帖 登录 | 现在注册!

本版积分规则

手机版|北京科音自然科学研究中心|京公网安备 11010502035419号|计算化学公社 — 北京科音旗下高水平计算化学交流论坛 ( 京ICP备14038949-1号 )

GMT+8, 2019-10-21 09:03 , Processed in 0.168641 second(s), 24 queries .

快速回复 返回顶部 返回列表