学术速运|反应发展的机器学习策略：向低数据极限发展

题目：Machine Learning Strategies for Reaction Development: Toward the Low-Data Limit

文献来源:https://doi.org/10.1021/acs.jcim.3c00577 (JCIM)

代码：综述

简介：机器学习模型正被越来越多地用于预测有机化学反应的结果。大量的反应数据被用来训练这些模型，这与专家化学家通过利用少量相关转化的信息来发现和开发新的反应形成了鲜明的对比。迁移学习和主动学习是两种可以在低数据情况下运行的策略，这可能有助于填补这一空白，并促进使用机器学习来应对现实世界中有机合成中的挑战。这文章介绍了主动学习和迁移学习，并将其与进一步研究的潜在机会和方向联系起来，特别是在化学转化的未来发展领域。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！