基于Dragon描述符与改进的决策树-遗传算法的反应溶剂设计方法

反应溶剂被广泛应用于液-液均相有机合成中，能够大幅度提高反应速率与选择性，有助于绿色合成新工艺路线的开发。提出了一种基于Dragon描述符与SMILES (simplified molecular-input line-entry system)编码的计算机辅助(computer-aided molecular design, CAMD)反应溶剂设计方法。首先，利用决策树-遗传算法构建可定量预测反应速率常数k的反应动力学模型；基于构建的反应动力学模型，提出了集成决策树-遗传算法与CAMD设计方法，通过SMILES分子编码算法生成同分异构体，并利用Dragon软件计算描述符大小，建立由目标函数与约束方程组成的混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型，进一步采用分解算法对模型进行优化求解，从而实现反应溶剂设计目标；最后，以Diels-Alder反应为例，验证了该方法的可行性与有效性。     

Group2vec：基于无监督机器学习的基团向量表示及其物性预测应用

定量构效关系模型在化工产品设计中发挥着重要作用。基于自然语言处理技术的深度学习建模方法是构建定量构效关系模型的有效方法之一。提出一种基于基团词嵌入模型(Group2vec)的深度学习物性预测框架。首先,建立数据库用于预训练与物性预测。其次,利用基团分割方法,将数据库中分子SMILES文本转化为基团序列。再次,通过CBOW算法将基团序列进行词嵌入预训练,获得包含相似性结构信息的基团向量。最后,基于基团向量构建包含注意力机制的深度学习模型,并在不同物性数据库上进行模型测试,同时将其与现有模型进行比较,对比结果表明基于Group2vec的深度学习物性预测模型不仅具有较高的预测准确性与通用性,也具备一定的可解释性。     

考虑选择性和反应速率的多目标制药反应溶剂设计

药物研制过程存在着大量的液–液均相有机反应,合适的反应溶剂能够大幅提高此类反应的反应速率与选择性,从而提高合成效率,提升药物质量。以2,4-二氯-5-硝基嘧啶与对氨基苯腈的芳香亲核反应（S_NAr）为研究对象,采用计算机辅助分子设计（computer-aided molecular design, CAMD）的方法进行反应溶剂设计。首先使用量子力学（quantum mechanics, QM）计算的方法获得少量溶剂中的反应速率常数并通过反应动力学模型与溶剂性质关联,然后构建同时考虑选择性和反应速率常数的混合整数非线性规划（mixed-integer nonlinear programming, MINLP）的多目标优化模型,最后采用分解式算法对模型优化求解,实现制药反应溶剂设计的目标。     

基于高阶基团贡献法与COSMO-SAC模型的溶剂设计方法

提出了一种基于高阶基团贡献法与类导体屏蔽片段活度系数模型（conductor like screening model-segment activity coefficient, COSMO-SAC）的计算机辅助溶剂设计方法（computer-aided molecular design, CAMD）。首先,基于高阶基团贡献法（higher-order group contribution, GC⁺）与COSMO-SAC模型构建GC⁺-COSMO方法,关联分子基团组合与表面屏蔽电荷密度分布[σ-profiles, p(σ)]、分子空腔体积V_c,实现对二者的高通量预测;然后结合基于简化分子线性输入系统（simplified molecular input line entry system, SMILES）的异构体生成算法与GC⁺-COSMO方法实现CAMD技术对异构体的识别及性质区分;最后,通过目标函数与约束方程组成的混合整数非线性规划模型（mixed integer nonlinear programming, MINLP）来建立溶剂设计问题,进一步采用分解式算法优化求解,实现溶剂优化设计目标。基于以上模型和方法开展了狄尔斯-阿尔德（Diels-Alder, DA）竞争性反应溶剂设计,验证了提出的方法的可行性与有效性。     

基于Dragon描述符与改进的决策树-遗传算法的反应溶剂设计方法

反应溶剂被广泛应用于液-液均相有机合成中,能够大幅度提高反应速率与选择性,有助于绿色合成新工艺路线的开发。提出了一种基于Dragon描述符与SMILES (simplified molecular-input line-entry system)编码的计算机辅助(computer-aided molecular design, CAMD)反应溶剂设计方法。首先,利用决策树-遗传算法构建可定量预测反应速率常数k的反应动力学模型;基于构建的反应动力学模型,提出了集成决策树-遗传算法与CAMD设计方法,通过SMILES分子编码算法生成同分异构体,并利用Dragon软件计算描述符大小,建立由目标函数与约束方程组成的混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型,进一步采用分解算法对模型进行优化求解,从而实现反应溶剂设计目标;最后,以Diels-Alder反应为例,验证了该方法的可行性与有效性。