Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Des réseaux de neurones pour prédire des distances interatomiques extraites d’une base de données ouverte de calculs en chimie quantique
In EGC 2019, vol. RNTI-E-35, pp.9-20
Résumé
Le calcul de la géométrie de l’état fondamental d’une molécule est le
point de départ de l’immense majorité des travaux en chimie quantique molécu-
laire. La base de données ouverte PubChemQC met à disposition les résultats de
calculs des états fondamentaux pour plus de trois millions de molécules. Nous
avons extrait les géométries convergées afin d’entraîner des modèles d’appren-
tissage automatique. Prédire la géométrie complète serait une avancée remar-
quable. Nos premiers résultats suggèrent qu’il est difficile d’entraîner un réseau
de neurones sur cette tâche complexe. Par contre, nous démontrons qu’un ré-
seau de neurones est capable de prédire précisément une distance entre deux
atomes. L’objet d’étude de ce travail est la distance la plus complexe en chimie
organique, la distance carbone-carbone. Les meilleurs résultats sont obtenus en
limitant la quantité d’information grâce à une distance seuil autour de chaque
carbone.