Unimolecular dissociation of C6H6–C6H5Cl, C6H6–C6H3Cl3, and C6H6–C6Cl6 complexes using machine learning approach

离解(化学) 计算机科学 分子间力 分子内力 化学 支持向量机 算法 计算化学 人工智能 物理化学 分子 有机化学
作者
Basudha Deb,S. R. Ngamwal Anal,Himashree Mahanta, Yogita,Amit K. Paul
出处
期刊:Journal of Chemical Physics [American Institute of Physics]
卷期号:158 (19)
标识
DOI:10.1063/5.0139864
摘要

The application of Machine Learning (ML) algorithms in chemical sciences, particularly computational chemistry, is a vastly emerging area of modern research. While many applications of ML techniques have already been in place to use ML based potential energies in various dynamical simulation studies, specific applications are also being successfully tested. In this work, the ML algorithms are tested to calculate the unimolecular dissociation time of benzene–hexachlorobenzene, benzene–trichlorobenzene, and benzene–monochlorobenzene complexes. Three ML algorithms, namely, Decision-Tree-Regression (DTR), Multi-Layer Perceptron, and Support Vector Regression are considered. The algorithms are trained with simulated dissociation times as functions (attributes) of complexes’ intramolecular and intermolecular vibrational energies. The simulation data are used for an excitation temperature of 1500 K. Considering that the converged result is obtained with 1500 trajectories, an ML algorithm trained with 700 simulation points provides the same dissociation rate constant within statistical uncertainty as obtained from the converged 1500 trajectory result. The DTR algorithm is also used to predict 1000 K simulation results using 1500 K simulation data.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
星辰大海应助KXX采纳,获得10
1秒前
2秒前
nicole完成签到,获得积分10
2秒前
2秒前
凡仔完成签到,获得积分10
3秒前
mengtingmei完成签到,获得积分10
3秒前
4秒前
风信子完成签到,获得积分10
4秒前
Echo发布了新的文献求助10
4秒前
杨某完成签到,获得积分10
4秒前
4秒前
诸孱完成签到,获得积分10
4秒前
ZD完成签到 ,获得积分10
4秒前
5秒前
5秒前
6秒前
WenjingY完成签到,获得积分10
7秒前
小张同学完成签到 ,获得积分10
7秒前
甄人达完成签到,获得积分10
7秒前
诸孱发布了新的文献求助30
7秒前
ztt应助yet采纳,获得10
7秒前
msy完成签到,获得积分10
8秒前
fouli发布了新的文献求助10
8秒前
8秒前
小二郎应助成就的若枫采纳,获得10
8秒前
SYY发布了新的文献求助10
8秒前
贺兰发布了新的文献求助10
8秒前
jolin完成签到,获得积分20
9秒前
xiaohei发布了新的文献求助10
10秒前
10秒前
华仔应助wzwz采纳,获得10
10秒前
慕青应助芸芸采纳,获得10
10秒前
10秒前
丘比特应助微笑的冰烟采纳,获得10
10秒前
盛yyyy完成签到,获得积分10
11秒前
材料小刘鸭完成签到,获得积分10
12秒前
12秒前
12秒前
光亮醉蓝完成签到,获得积分10
12秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
宽禁带半导体紫外光电探测器 388
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3143353
求助须知:如何正确求助?哪些是违规求助? 2794636
关于积分的说明 7811842
捐赠科研通 2450801
什么是DOI,文献DOI怎么找? 1304061
科研通“疑难数据库(出版商)”最低求助积分说明 627178
版权声明 601386