Enregistrement W3157603425 · doi:10.26434/chemrxiv.12996665.v1

A Comprehensive Discovery Platform for Organophosphorus Ligands for Catalysis

2021· preprint· en· W3157603425 sur OpenAlexafffund

Tobias Gensch, Gabriel dos Passos Gomes, Pascal Friederich, Ellyn Peters, Théophile Gaudin, Robert Pollice, Kjell Jorner, AkshatKumar Nigam, Michael Lindner D'Addario, Matthew S. Sigman, Alán Aspuru‐Guzik

Notice bibliographique

RevueChemRxiv · 2021

Typepreprint

Langueen

DomaineMaterials Science

ThématiqueMachine Learning in Materials Science

Établissements canadiensVector InstituteCanadian Institute for Advanced ResearchUniversity of Toronto

Organismes subventionnairesDivision of ChemistryNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesAdvanced Research Projects AgencyDefense Advanced Research Projects AgencySchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungDeutsche ForschungsgemeinschaftNational Science FoundationCompute CanadaÉcole de technologie supérieureUniversity of TorontoUniversity of UtahGovernment of OntarioAstraZenecaMinistère de l'Économie, de la Science et de l'Innovation - Québec

Mots-clésBlueprintComputer scienceIntuitionWorkflowBiochemical engineeringEngineeringDatabase

DOI10.26434/chemrxiv.12996665.v1

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001

score de la tête « metaresearch » (Gemma)0,001

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesaucune

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation

GenreSignal candidat: Empirique · Signal consensuel: Empirique

Score de désaccord entre enseignants0,003

Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,001	0,001
Méta-épidémiologie (sens strict)	0,001	0,000
Méta-épidémiologie (sens large)	0,001	0,001
Bibliométrie	0,001	0,001
Études des sciences et des technologies	0,001	0,000
Communication savante	0,001	0,001
Science ouverte	0,001	0,001
Intégrité de la recherche	0,001	0,001
Charge utile insuffisante (le modèle a refusé de juger)	0,003	0,001

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.

Tête enseignante Opus0,027

Tête enseignante GPT0,285

Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail

Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Devis d'étudeSimulation ou modélisation

Domainenon disponible

GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19

Publié2021

Routes d'admission2

Résumé présentoui

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueChemRxiv→Même sujetMachine Learning in Materials Science→Travaux en français237 207→