Modelos QSPR QM/NN con estimación de error:  Presión de vapor y LogP

Se presentan modelos QSPR para logP y presiones de vapor de compuestos orgánicos basados en la interpretación de redes neuronales de descriptores derivados de cálculos mecánico cuánticos (MO semiempíricos; AM1). Los modelos se validan cruzando el conjunto de compuestos en varias porciones iguales y entrenando varias redes neuronales multicapa alimentadas hacia adelante (entrenadas por el algoritmo de retropropagación de errores), cada una con una porción diferente como conjunto de prueba. Los resultados de estas redes se combinan para dar un valor medio predicho de propiedad y una desviación estándar. Se analiza el rendimiento de dos modelos, para logP y la presión de vapor a temperatura ambiente, y se prueba la fiabilidad de las predicciones.