نواة الرسم البياني AABBA: الترابطات الذاتية بين الذرات والروابط والذرات للذكاء الاصطناعي

تعتبر الرسوم البيانية واحدة من أكثر التمثيلات طبيعية وقوة المتاحة للجزيئات؛ طبيعية لأنها تتوافق بطريقة بديهية مع الصيغ الهيكلية، اللغة المستخدمة من قبل الكيميائيين في جميع أنحاء العالم، وقوية لأنها تعبر بشكل كبير على كلا المستويين (التوبولوجيا الجزيئية) و(خصائص الذرات والروابط). تُستخدم نوى الرسوم البيانية لتحويل الرسوم البيانية الجزيئية إلى متجهات ثابتة الطول، والتي، بناءً على قدرتها على قياس التشابه، يمكن استخدامها كعلامات فريدة للتعلم الآلي (ML). حتى الآن، ركزت نوى الرسوم البيانية في الغالب على العقد الذرية للرسم البياني. في هذا العمل، طورنا نواة رسم بياني استنادًا إلى الترابطات الذاتية بين الذرات والروابط والذرات (AABBA). وقد تم اختبار تمثيلات المتجه الناتجة على مهام التراجع في ML على مجموعة بيانات من مجمعات المعادن الانتقالية؛ وهو معيار مدفوع بالتعقيد الأعلى لهذه المركبات مقارنةً بالمركبات العضوية. على وجه الخصوص، اختبرنا نكهات مختلفة من نواة AABBA في التنبؤ بحواجز الطاقة والمسافات بين الروابط لمجموعة بيانات مجمع فاسكا (Friederich et al., Chem. Sci., 2020, 11, 4584). بالنسبة لمجموعة متنوعة من نماذج ML، بما في ذلك الشبكات العصبية، وآلات تعزيز التدرج، والعمليات الغاوسية، أظهرنا أن AABBA تتفوق على الخط الأساسي الذي يشمل فقط الترابطات الذاتية بين الذرات. كما أظهرت دراسات تقليل الأبعاد أن الترابطات الذاتية بين الروابط والذرات تنتج العديد من الخصائص الأكثر صلة. نعتقد أن نواة الرسم البياني AABBA يمكن أن تس accelerate استكشاف المساحات الكيميائية الكبيرة وتلهم تمثيلات جزيئية جديدة حيث تلعب كل من الخصائص الذرية والروابط دوراً هاماً.