На правах рукописи
Share Embed Flag
Download ePaper

На правах рукописи

На правах рукописи На правах рукописи

cdn.scipeople.com
from cdn.scipeople.com More from this publisher
19.11.2014 Views

дывались, и результирующее число было использовано для сравнения методик построения QSPR-моделей. В Табл. 19 представлены полученные значения рангов для различных методов построения QSPR-моделей. Табл. 19. Сравнение различных методов построения QSPR-моделей для прогнозирования температуры плавления ионных жидкостей Метод Программа Q 2 RMSE MAE Итого BPNN NASAWIN 0 0 0 0 ASNN/E-counts VCCLAB 0 0 0 0 ASNN/Dragon VCCLAB 0 0 0 0 SVM/Dragon VCCLAB 0 0 0 0 SVM/E-state VCCLAB 0 0 1 1 SVM/E-counts VCCLAB 0 1 1 2 ASNN/E-state VCCLAB 1 1 1 3 PLSM NASAWIN 2 1 2 5 MLR/Dragon VCCLAB 2 2 2 6 MLR-CM/SMF ISIDA 3 3 2 8 kNN/Dragon VCCLAB 3 3 3 9 FSMLR NASAWIN 4 4 4 12 kNN/E-state VCCLAB 3 3 4 10 MLR/E-state VCCLAB 3 4 4 11 kNN/E-counts VCCLAB 4 4 4 12 MLR/E-counts VCCLAB 4 4 4 12 Как видно из Табл. 19, нейросеть обратного распространения BPNN, реализованная в рамках программного комплекса NASAWIN, занимает первые два места наряду с ASNN/E-counts. Если учесть, что ASNN построена на основе нейросетей обратного распространения, а дескрипторы E-counts являются фрагментными, то можно сделать вывод, что именно комбинация нейросетей обратного распространения с фрагментными дескрипторами приводит к построению наилучших моделей для прогнозирования температуры плавления ионных жидкостей. 226

ГЛАВА 7. РАЗРАБОТКА ИНТЕГРИРОВАННЫХ ПОДХОДОВ Данная глава посвящена рассмотрению предложенных нами подходов, которые включают разного рода интеграцию нейросетей: (а) с методами молекулярного моделирования; (б) с комбинацией дескрипторных описаний одно– и многокомпонентных химических систем и внешних условий; а также (в) между собой. Все это ведет к значительному расширению круга свойств химических соединений, поддающихся надежному прогнозированию с использованием разрабатываемых нами методов. 7.1. Совместное применение методологии искусственных нейронных сетей и методов молекулярного моделирования На современном этапе научно-технического развития определяющую роль играет практическое использование сложных молекулярных и супрамолекулярных систем, что со всей актуальностью ставит задачу прогнозирования всего комплекса их практически значимых свойств и на основе этого проведение их целенаправленного дизайна. Не менее актуальной является также задача компьютерной обработки накопленных экспериментальных данных, относящихся к подобным системам, и извлечения информации, необходимой для эффективного конструирования новых систем. В настоящее время для решения вышеуказанных задач все большее значение приобретают методы молекулярного моделирования, в основе которых лежат разнообразные методы молекулярно-механического и квантовохимического расчета модельных молекулярных систем. Несмотря на успехи в области молекулярного моделирования, следует признать, что ни одна даже самая совершенная молекулярная модель неспособна охватить всего комплекса взаимодействий, в которые вовлечена реальная молекулярная система, равно как и учесть эти взаимодействия с достаточной точностью. Это служит серьезным препятствием к практическому применению многих теоретических моделей. 227

ГЛАВА 7. РАЗРАБОТКА ИНТЕГРИРОВАННЫХ ПОДХОДОВ<br />

Данная глава посвящена рассмотрению предложенных нами подходов,<br />

которые включают разного рода интеграцию нейросетей: (а) с методами молекулярного<br />

моделирования; (б) с комбинацией дескрипторных описаний одно– и<br />

многокомпонентных химических систем и внешних условий; а также (в) между<br />

собой. Все это ведет к значительному расширению круга свойств химических<br />

соединений, поддающихся надежному прогнозированию с использованием разрабатываемых<br />

нами методов.<br />

7.1. Совместное применение методологии искусственных нейронных сетей и<br />

методов молекулярного моделирования<br />

На современном этапе научно-технического развития определяющую<br />

роль играет практическое использование сложных молекулярных и супрамолекулярных<br />

систем, что со всей актуальностью ставит задачу прогнозирования<br />

всего комплекса их практически значимых свойств и на основе этого проведение<br />

их целенаправленного дизайна. Не менее актуальной является также задача<br />

компьютерной обработки накопленных экспериментальных данных, относящихся<br />

к подобным системам, и извлечения информации, необходимой для эффективного<br />

конструирования новых систем.<br />

В настоящее время для решения вышеуказанных задач все большее значение<br />

приобретают методы молекулярного моделирования, в основе которых<br />

лежат разнообразные методы молекулярно-механического и квантовохимического<br />

расчета модельных молекулярных систем. Несмотря на успехи в<br />

области молекулярного моделирования, следует признать, что ни одна даже самая<br />

совершенная молекулярная модель неспособна охватить всего комплекса<br />

взаимодействий, в которые вовлечена реальная молекулярная система, равно<br />

как и учесть эти взаимодействия с достаточной точностью. Это служит серьезным<br />

препятствием к практическому применению многих теоретических моделей.<br />

227

logo

products

Resources

Company

Terms of service
Privacy policy
Cookie policy
Cookie settings
Imprint
Change language
Made with love in Switzerland
© 2024 Yumpu.com all rights reserved

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

Saved successfully!

Ooh no, something went wrong!