?題目：Low-cost machine learning prediction of excited state properties of iridium-centered phosphors
文獻(xiàn)來源:Chem. Sci., 2023, 14, 1419
代碼：The ANN models associated with this work aredeposited on Zenodo and have the following permanent DOI:https://doi.org/10.5281/zenodo.7090416.
簡介：從精度和計算成本的角度出發(fā)，預(yù)測光活性銥配合物的激發(fā)態(tài)特性對時變密度泛函理論（TDDFT）等從頭計算方法提出了挑戰(zhàn)，使高通量虛擬篩選（HTVS）變得復(fù)雜化。相反，作者利用低成本的機(jī)器學(xué)習(xí)（ML）模型和1380個銥星復(fù)合物的實驗數(shù)據(jù)來執(zhí)行這些預(yù)測任務(wù)。作者發(fā)現(xiàn)性能最好和最可轉(zhuǎn)移的模型是那些從低成本密度泛函緊密結(jié)合計算中訓(xùn)練出來的電子結(jié)構(gòu)特征的模型。利用人工神經(jīng)網(wǎng)絡(luò)（ANN）模型，作者預(yù)測了銥配合物的平均熒光發(fā)射能量、激發(fā)態(tài)壽命和發(fā)射光譜積分，其精度可與TDDFT競爭或取代。他們進(jìn)行了特征重要性分析，以確定高環(huán)金屬化配體電離電位與高平均發(fā)射能量相關(guān)，而高輔助配體電離電位與低壽命和低光譜積分相關(guān)。作為演示ML模型可以用于HTVS和化學(xué)物質(zhì)的加速發(fā)現(xiàn)，作者構(gòu)建了一組的假想銥復(fù)合物和使用不確定性控制預(yù)測配體識別前途新熒光粉的設(shè)計同時保持信心的質(zhì)量神經(jīng)網(wǎng)絡(luò)的預(yù)測。
主要內(nèi)容：
-------------------------------------------
歡迎點贊收藏轉(zhuǎn)發(fā)！文章來源：http://www.zghlxwxcb.cn/news/detail-406354.html
下次見！文章來源地址http://www.zghlxwxcb.cn/news/detail-406354.html
到了這里，關(guān)于學(xué)術(shù)速運(yùn)|銥中心磷粉體激發(fā)態(tài)性質(zhì)的低成本機(jī)器學(xué)習(xí)預(yù)測的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
