基于随机森林的有机小分子的化学键解离能预测

摘要

从i BonD有机物键能数据库中手动收集1208个含C, H, O, N和S原子的有机分子,并记录相应的化学键解离能实验值.提出了化学键类型描述符、杂原子描述符和支化度描述符,并与此前提出的原子类型描述符结合,从而更全面地描述目标化学键的周边环境.采用随机森林建立键解离能的预测模型,结果表明目标化学键周围的原子类型和化学键类型的描述符组合建模得到的预测结果最佳,在没有量子化学辅助的情况下得到了较好的预测结果.与已报道的预测结果进行比较发现,本文结果优于文献中的相应结果.此外,还设计了一个应用域算法来初步判断预测结果的质量,重新随机划分训练集和测试集来验证模型的稳定性,与零模型比较来判断模型的可行性.

关键词

键解离能 / 随机森林 / iBonD / 原子类型 / 化学键类型