当前位置：
X-MOL 学术
›
Angew. Chem. Int. Ed.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Molecular Machine Learning: The Future of Synthetic Chemistry?
Angewandte Chemie International Edition ( IF 16.1 ) Pub Date : 2020-09-15 , DOI: 10.1002/anie.202008366 Philipp M Pflüger 1 , Frank Glorius 1
Angewandte Chemie International Edition ( IF 16.1 ) Pub Date : 2020-09-15 , DOI: 10.1002/anie.202008366 Philipp M Pflüger 1 , Frank Glorius 1
Affiliation
|
During the last decade, modern machine learning has found its way into synthetic chemistry. Some long‐standing challenges, such as computer‐aided synthesis planning (CASP), have been successfully addressed, while other issues have barely been touched. This Viewpoint poses the question of whether current trends can persist in the long term and identifies factors that may lead to an (un)productive development. Thereby, specific risks of molecular machine learning (MML) are discussed. Furthermore, possible sustainable developments are suggested, such as explainable artificial intelligence (exAI) for synthetic chemistry. This Viewpoint will illuminate chances for possible newcomers and aims to guide the community into a discussion about current as well as future trends.
中文翻译：
分子机器学习：合成化学的未来？
在过去的十年中，现代机器学习已进入合成化学领域。一些长期的挑战，例如计算机辅助综合计划（CASP），已经成功解决，而其他问题则几乎没有涉及。该观点提出了一个问题，即当前趋势能否长期持续下去，并确定了可能导致（非）生产性发展的因素。因此，讨论了分子机器学习（MML）的特定风险。此外，建议了可能的可持续发展，例如合成化学的可解释的人工智能（exAI）。该观点将为可能的新来者提供机会，并旨在引导社区讨论当前以及未来的趋势。
更新日期：2020-10-12
中文翻译：
分子机器学习：合成化学的未来？
在过去的十年中，现代机器学习已进入合成化学领域。一些长期的挑战，例如计算机辅助综合计划（CASP），已经成功解决，而其他问题则几乎没有涉及。该观点提出了一个问题，即当前趋势能否长期持续下去，并确定了可能导致（非）生产性发展的因素。因此，讨论了分子机器学习（MML）的特定风险。此外，建议了可能的可持续发展，例如合成化学的可解释的人工智能（exAI）。该观点将为可能的新来者提供机会，并旨在引导社区讨论当前以及未来的趋势。
京公网安备 11010802027423号