研究人员开发了一种新颖的方法,通过使用微调的语言模型从文本中动态学习表示来优化化学反应。该方法与高斯过程和贝叶斯优化相结合,可将表示适应于特定的反应系统,其性能优于传统的独热编码和分子描述符等方法。该技术成功应用于钯催化氰化反应和不对称氢化反应的优化,在预期实验中实现了高产率和高对映选择性。 AI
影响 这项研究展示了语言模型在科学发现中的新颖应用,有望加速化学合成和材料科学的发展。
排序理由 学术论文,描述了使用语言模型进行反应优化的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Bayesian optimization
- CatalyzeX
- cyanation
- DagsHub
- Gaussian process
- Gotit.pub
- Hugging Face
- iridium
- language model
- nickel cation binding
- Palladium Reagents and Catalysts
- ruthenium
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →