19.11.2014 Views

На правах рукописи

На правах рукописи

На правах рукописи

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

ных орбиталей азота в высшую занятую молекулярную орбиталь HOMO. Подобным<br />

же образом может быт объяснено отрицательно значение M xy для E HOMO<br />

и X O , причем его меньшее значение (по сравнению с X N ) может быть объяснено<br />

разницей в электроотрицательности между азотом и кислородом, ведущей к<br />

меньшей вовлеченности атомных орбиталей кислорода в систему π-<br />

электронную систему сопряжения в молекуле красителя. По аналогии, большее<br />

значение M xy для E HOMO и X CC может быть объяснено прямым вовлечением<br />

двойной связи C=C в сопряжение, тогда как меньшее значение M xy для E HOMO и<br />

X CCC можно объяснить отсутствием сопряжения между группой C(CH 3 ) 2 и π-<br />

электронной системой в молекуле красителя.<br />

Из приведенного выше рассмотрения можно сделать вывод, что получаемая<br />

при анализе нейросетевой модели интерпретация вполне согласуется с основными<br />

физическими принципами теории поглощения света.<br />

Таким образом, при использовании статистических характеристик, описывающих<br />

распределение получаемых нейронной сетью значений частных<br />

производных переменных, соответствующих свойствам/активностям химических<br />

соединений, по отношению к переменным, соответствующим значениям<br />

дескрипторов, возможно извлечь из набора данных не только такую же информацию<br />

(например, о влиянии дескрипторов на свойства/активности), что и<br />

«традиционные» статистические подходы (например, методы линейного регрессионного<br />

анализа), но и получить дополнительную ценную информацию о<br />

нелинейном характере зависимостей структура-свойство и структураактивность.<br />

Подобная информация является уникальной, поскольку ее крайне<br />

затруднительно извлечь из набора данных как с использованием параметрических<br />

методов статистики (в которых тип нелинейности «зашит» в используемые<br />

параметрические уравнения), так и при помощи непараметрических подходов<br />

(которые довольно плохо аппроксимируют распределения частных производных).<br />

В то же время, ценность подобной информации несомненна.<br />

Таким образом, искусственные нейронные сети больше не являются<br />

«черными ящиками», не поддающимися интерпретации. Напротив, при исполь-<br />

128

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!