机器学习辅助的[5,6]稠环含能化合物高通量设计OA北大核心CSTPCD
Machine Learning Assisted High-throughput Design of[5,6]Fused Ring Energetic Compounds
与经验和计算指导的研发模式相比,机器学习辅助的含能分子高通量虚拟筛选技术,在分子设计效率及构效关系定量分析方面都展现出明显优势.鉴于富氮稠环含能化合物较好的能量-稳定平衡特性,研究利用机器学习辅助的高通量虚拟技术对[5,6]富氮稠环类含能分子的化学空间进行了探索研究,基于[5,6]全碳骨架,通过组合枚举和芳香性筛选得到142689个[5,6]稠环类化合物,同时采用核岭回归算法建立并优化了6个含能分子性能预测模型(密度,分解温度,爆速,爆压,撞感和…查看全部>>
Compared with the research and development model guided by experience and calculations,machine learning-assisted high-throughput virtual screening technology for energetic molecules has shown obvious advantages in terms of molecular design efficiency and quantitative analysis of structure-activity relationships.In view of the fact that nitrogen-rich fused ring energetic compounds usually show better energy-stable balance properties,this study uses machine le…查看全部>>
潘林虎;王睿辉;樊明仁;宋思维;王毅;张庆华
西北工业大学航天学院,陕西 西安 710072西北工业大学航天学院,陕西 西安 710072西北工业大学航天学院,陕西 西安 710072西北工业大学航天学院,陕西 西安 710072西北工业大学航天学院,陕西 西安 710072西北工业大学航天学院,陕西 西安 710072
武器工业
机器学习高通量筛选核岭回归分子设计[5,6]稠环含能化合物
machine learninghigh-throughput screeningkernel ridge regressionmolecular design[5,6]fused ring energetic compounds
《含能材料》 2024 (6)
573-583,11
国家自然科学基金(22205218,22075259,22175157) National Natural Science Foundation of China(Nos.22075259,22175157,22205218)
评论