机构名称：
¥ 1.0
深层生成模型（DGM）在具有化学明智结构和优化特性的有机分子和无机材料的产生中表现出了巨大的希望。然而，尽管这些复合物在细小的化学合成，商品生产和光学应用中很重要，但由于其灵活的协调环境，多个可访问的氧化和旋转状态，由于其灵活的协调环境，多个可访问的氧化和旋转状态，由于其灵活的协调环境，多个可访问的氧化和自旋状态，因此缺乏应用于过渡金属（TM）复合物的应用。在本文中，我们提出了一个联合半监督连接树变异自动编码器（SSVAE）和人工神经网络（ANN）分类器模型，该模型被认为是livetransform（配体变分自动编码器和过渡金属复合物的转移学习），用于Octhahephathephepition Metal Complecyes）。livetransform允许设计建立TM复合物的配体和组装络合物的自旋状态的预测。我们表明，与无监督VAE相比，SSVAE的潜在变量用作ANN模型的输入时，分类器的准确性得到提高。使用三个分子轴的输入增加也提高了分类器的准确性。58个具有预测自旋状态的复合物由livetrandform产生，其自旋状态标签的准确性通过密度功能理论方法验证。还引入了两种设计策略，即单个突变和种子生成，以允许父络合物的定向演变朝着理想的旋转状态和具有相似自旋状态的种子复合物的局部修饰。
a-ordy-semi-supervised-variational-autoencoder and-...
主要关键词
相关文件推荐
