构建化学反应性模型的数据集设计

模型可以系统化我们对化学反应性的理解，并在开发新的合成工艺中发挥重要作用，例如通过评估假设的反应条件或计算机模拟底物耐受性。或许最关键的决定因素是训练数据的构成，以及它是否足以训练出一个能够在整个目标领域内做出准确预测的模型。在此，我们讨论了有助于数据驱动建模的反应数据集设计方法，强调了训练集的多样性和模型的泛化能力依赖于分子或反应表征的选择这一观点。我们还进一步讨论了与生成常见类型化学数据集相关的实验限制，以及这些考量应如何影响数据集设计和模型构建。