Главная – Журналы – Химия в интересах устойчивого развития 2025 номер 5

Представлена новая предиктивная модель на основе машинного мета-обучения для оценки энергетического зазора между граничными молекулярными орбиталями ароматических π-сопряженных молекул. Основная цель исследования заключалась в создании высокоточной и устойчивой модели, способной заменить ресурсоемкие расчеты квантовой химии, в частности методы теории функционала плотности, при скрининге органических соединений для оптоэлектроники. В качестве исходной базы данных использовалась отфильтрованная выборка из публичной базы PubChemQC PM6. Для описания химической структуры применялись дескрипторы Morgan fingerprints, на основе которых были обучены три первичные модели: модель случайного леса, модель деревьев с градиентным усилением и полносвязная нейронная сеть. Наилучшие результаты среди них показала модель с градиентным усилением (средняя абсолютная ошибка равна 0.1795 эВ). Для улучшения точности предсказаний была реализована мета-модель, которая обучалась на выходах упомянутых первичных моделей. Такой подход продемонстрировал улучшение точности: итоговая средняя абсолютная погрешность составила 0.1744 эВ, что на 8 % лучше по сравнению с простым усреднением и на 3 % - по сравнению с наилучшей первичной моделью. Предложенный подход может быть расширен за счет увеличения выборки и внедрения дополнительных моделей, что открывает широкие перспективы для более точного и быстрого предсказания свойств органических сопряженных молекул в оптоэлектронике.