Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Анализ квантово-химических параметров показал значительное положительное<br />
влияние величины локального заряда на α–атоме углерода заместителя<br />
R 1 (LocalCharge4), что свидетельствует о преобладании механизма А Alk 1 и хорошо<br />
согласуется с опубликованными данными о механизмах гидролиза эфиров.<br />
Также существенно влияние величины электронной плотности нижней незанятой<br />
орбитали (LocalLUMODensity3), рассчитанной для карбонильного атома<br />
кислорода (вклад положителен), и величины индекса электрофильной суперделокализуемости<br />
(LocalSuperEleDeloc3) для этого же атома (вклад отрицателен),<br />
что может служить доказательством присутствия ацильного механизма<br />
гидролиза.<br />
Таким образом, благодаря использованию аппарата искусственных нейронных<br />
сетей оказывается возможным предсказывать константы скоростей кислотного<br />
гидролиза сложных эфиров достаточно произвольного строения при<br />
произвольной температуре и составе растворителя, а также проанализировать<br />
полученную зависимость. Результаты проведенных исследований демонстрируют<br />
возможность применения предложенного нами подхода к количественному<br />
моделированию реакционной способности органических соединений.<br />
7.3. Индуктивный перенос знаний при интеграции моделей «структурасвойство»<br />
В настоящее время развитие методологии построения моделей «структура-свойство/структура-активность”<br />
(QSPR/QSAR) по пути совершенствования<br />
дескрипторного описания химических соединений и применения все более совершенных<br />
методов анализа данных вошло в стадию насыщения и достигло того<br />
уровня, когда существующими методами из базы данных удается извлечь<br />
практически всю информацию, полезную для прогнозирования. Как отмечается<br />
в работе [477], в большинстве случае прогнозирующая способность моделей,<br />
построенных с использованием «достаточно хороших» наборов дескрипторов и<br />
«достаточно хороших» методов анализа данных, уже очень слабо зависит и от<br />
262