义乌国际商贸城,两个人www高清免费视频,情侣黄网站

北卡羅來納大學/卡內基梅隆大學JACS：機器學習指導下的19F磁共振成像試劑的自動合成

現代高分子科學飽受多維性的困擾。將單體組合成一個統計共聚物所帶來的巨大化學空間使得聚合物合成和表征技術難以實現，也限制了系統研究結構-性能關系的能力。

在此，美國北卡羅來納大學教堂山分校Frank A. Leibfarth以及卡內基梅隆大學Olexandr Isayev等人展示了一種機器學習（ML）引導的材料發現方法，該方法結合了自動化流程合成和ML方法開發中的協同創新，用于高對比度¹⁹F磁共振成像 (MRI) 試劑的發現。具體而言，自動化ML（Auto ML）循環由四個步驟組成：

(i) 訓練代理AutoML模型以針對初始數據集上的給定目標集進行優化；

(ii) 使用AutoML構建的模型對共聚物組成空間進行虛擬篩選；

(iii) 選擇可提高模型準確性的共聚物組成子集；

(iv) 對選定的聚合物進行合成和實驗測量，并使用這些數據更新ML模型。

圖1. 計算和實驗迭代有效篩選高性能¹⁹ F MRI試劑

最終，作者在六變量組成空間內合成 397 種獨特的共聚物組合物，ML確定的非直觀設計標準是通過探索<0.9% 的整體組成空間來實現的，從而確定了超過10種性能優于最先進材料的共聚物組合物。

此外，本文揭示的趨勢最終證明¹⁹F濃度與¹⁹F MRI測量中的信號強度沒有直接關系。材料發現通常依賴于人類直覺，而直覺受到固有偏見和知識局限性的影響。正如這項研究表明的那樣，軟件支持的高通量聚合物合成和ML的持續集成代表了一種加速材料發現的強大方法，特別是在聚合物科學領域。

圖2. 作為¹⁹ F MRI試劑的多組分共聚物的合成

Machine-Learning-Guided Discovery of 19F MRI Agents Enabled by Automated Copolymer Synthesis, Journal of the American Chemical Society 2021. DOI: 10.1021/jacs.1c08181

原創文章，作者：科研小搬磚，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/12/a0d3a8a264/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

北卡羅來納大學/卡內基梅隆大學JACS：機器學習指導下的19F磁共振成像試劑的自動合成

相關推薦