机构名称：
¥ 1.0
有机化学已将人工智能 (AI) 融入计算机辅助合成规划 (CASP)，解决了长期存在的合成路线预测问题。机器学习 (ML) 算法提高了逆合成分析的准确性和效率，将重点从劳动密集型任务转变为创造性解决问题。其潜在影响延伸到药物发现，加速了药物研究的进程并降低了成本。本研究探索并评估了 AI 的集成，特别是在 CASP 中使用混沌化学反应优化自适应 K 最近邻 (CCRO-AKNN)。目的是通过先进的 ML 算法提高有机化学的效率、准确性和创新性，最终促进新型化合物的发现。该方法包括收集数据集、利用主成分分析 (PCA) 进行特征提取以及实施 CCRO-AKNN 进行合成规划。PCA 降低了维度，帮助 AI 模型预测合成途径。 CCRO-AKNN 是一种混合方法，它结合了混沌化学反应优化 (CCRO) 和自适应 K 最近邻 (AKNN)，可有效进行化学空间探索。与其他方法（DCGAN、BCNet）相比，所提出的 CCRO-AKNN 方法在准确度、精确度、召回率和 F1 分数方面表现出色。结果凸显了 CASP 中集成 AI 方法的有效性，展示了其推进化学合成规划的潜力。研究得出结论，AI 的整合，特别是采用 CCRO-AKNN，显着增强了 CASP 在有机化学方面的能力。这项研究提高了准确性和效率，凸显了化学发现和药物开发中变革性突破的潜力。关键词：化学空间探索、计算机辅助合成规划 (CASP)、人工智能 (AI)。全文 * 通讯作者，电子邮件：g.kavina@jainuniversity.ac.in 1. 简介
人工智能与计算机过程的集成——
主要关键词
相关文件推荐
