Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ного моделирования, способным резко повысить их прогнозирующую способность<br />
и, следовательно, решать задачи дизайна сложных молекулярных систем.<br />
Возникает вопрос: если нейросети в комбинации с фрагментными дескрипторами<br />
могут аппроксимировать любое свойство, то зачем их надо комбинировать<br />
с методами молекулярного моделирования? Все зависит от объема<br />
имеющихся экспериментальных данных (см. Табл. 20). Если данных достаточно<br />
много, то сочетания нейросетей с фрагментными дескрипторами действительно<br />
достаточно для моделирования любого свойства. Если данных очень<br />
мало либо они вообще отсутствуют, то нейросети не могут быть обучены, и поэтому<br />
для прогнозирования остаются только методы молекулярного моделирования.<br />
В промежуточной же ситуации, когда имеется определенный объем экспериментальных<br />
данных, но его недостаточно для построения нейросетевой<br />
модели на одних фрагментных дескрипторах, наилучший эффект дает интеграция<br />
молекулярного и нейросетевого моделирования. Это может быть достигнуто,<br />
например, путем использования определенных величин, вычисляемых<br />
при помощи методов молекулярного моделирования в качестве дескрипторов<br />
при построении моделей «структура-свойство». Чем больше экспериментальных<br />
данных, тем более простые методы молекулярного моделирования<br />
могут быть для этого применены.<br />
Табл. 20. Выбор метода моделирования в зависимости от объема эданных<br />
Объем экспериментальных данных Предпочтительный метод моделирования<br />
Мало либо отсутствуют<br />
Молекулярное моделирование<br />
Промежуточный объем данных Сочетание молекулярного и нейросетевого<br />
моделирования<br />
Достаточно много<br />
Нейросетевое моделирование<br />
7.1.1. Предсказание положения длинноволновой полосы поглощения симметричных<br />
цианиновых красителей.<br />
Целью данной работы является иллюстрация эффективности применения<br />
искусственных нейронных сетей для предсказания практически важных<br />
229