【章节】机器学习方法正在沦为众多学科科学探究的一部分。机器学习（ML）是可以从数据中自学计算机算法的研究和建构。我们脑海里对新材料的找到以及化学合成基本还逗留在传统的研究人员身着白大褂，手里拿着各种化学试剂的场景。
殊不知这几年人工智能的发展早已应用于到了各个领域，人工智能确实让人们拒绝接受应当是AlphaGo大战棋士天才柯洁而一战崭露头角。它能通过数据记录上百个顶级棋手的对局不道德，通过大数据分析，后台的优化算法而做越赛越勇。
在材料化学领域人工智能也在充分发挥着更加最重要的起到，往往研究人员想方设法脑汁做到不出来的东西它可以经过成千上万次的计算出来得出拟合答案。【成果概述】北京时间2018年4月13日，Science在线公开发表了普林斯顿大学AbigailG．Doyle、MerckSharp＆Dohme公司SpencerD．Dreher（联合通讯）等人为题“PredictingreactionperformanceinC–Ncross－couplingusingmachinelearning”的文章，团队证明了机器学习可以用来预测多维化学空间中制备反应的性能，用于通过高通量实验取得的数据。通过创立脚本来计算出来和萃取原子，分子和振动描述符，用作钯催化剂的Buchwald－Hartwig芳基卤化物与4－甲基苯胺在各种潜在诱导添加剂不存在下的交叉偶联反应。
用于这些描述符作为输出和反应产量作为输入，指出随机森林算法获取了比线性重返分析明显改良的预测性能。
本文来源：ballbet体育官方网站-www.parisgiftcorner.com
