Chemical applications of electron localization-delocalization matrices (LDMs) with an emphasis on predicting molecular properties
Notice bibliographique
Résumé
A matrix is constructed where the vertices (atoms) are connected by edges (bonds) resulting in a square matrix that is symmetrical.The localization index (unshared electrons) occupies the long diagonal where the delocalization index (shared electrons between two different atoms divided by 2) represent the off-diagonal elements.Such a matrix is called a localization-delocalization matrix or LDM.These matrices have shown promise as a novel Quantitative Structure Activity Relationship (QSAR) method via the Frobenius Distance, a method to compare matrices of similar sizes that returns a Euclidean distance.Some notable results that will be expanded upon are that for a series of 14 para-substituted benzoic acids for pKa prediction (r 2 = 0.986), and a series of 13 polycyclic benzenoid hydrocarbons (PBH) separated by inner and outer rings (r 2 = 0.97).A program (AIMLDM) was developed in Python 3.4.1 to construct these matrices and perform the required calculations.September 12, 2016 i List of Tables 2.1 Frobenius Distance for isoelectronic series . . . . . . . . . . . . . . .2.2 "Scrambled" LDM for acetic acid and resulting eigenvalues . . . . . .2.3 Eigenvalues of LDMs from a series of carboxylic acids . . . . . . . . .3.1 Frobenius distances comparing the subgraph(s) to pK a and max . . .3.2 Frobenius distances from the DMs vs pK a . . . . . . . . . . . . . . .3.3 Frobenius distances from the LDMs vs max . . . . . . . . . . . . . .4.1 RIMs Frobenius distance vs Popular Aromaticity measures . . . . . .4.2 Aromatic ranking agreement of various aromaticity indices with the Frobenius distance dissimilarity to benzene. . . . . . . . . . . . . . .4.3 Pairwise vector angles (in degrees ( )) matrix for the ring in molecules to three decimals . . . . . . . . . . . . . . . . . . . .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».