研究背景
发光分子在有机发光二极管、有机太阳能电池、有机染料、生物传感等领域中有着重要的应用，其中吸收波长、发射波长、光致发光量子产率 (PLQY) 和发射半峰宽 (FWHM) 是发光分子四个重要的光学性质。
针对不同的用途，研究人员需要开发具有目标光学性质的发光分子，然而单纯依靠实验技术存在高成本和周期长的局限，因此，急需引入其他先进技术来开发一种快速准确的光学性能方法，以提升实验研发的效率。
随着人工智能技术的快速发展，作为核心技术的机器学习已经在各个领域展示了巨大的成功，但化学材料领域的数据是有限的，明显影响了机器学习的应用性能，因此，需要针对目标领域的结构和性能特点开发新的策略来促进机器学习的有效应用。
研究内容
近日，四川大学蒲雪梅教授带领研究团队在广泛使用的消息传递神经网络（MPNN）的框架上，通过增强化学意义的子图和边的学习，并嵌入领域的先验知识来提升机器学习模型对靶标性能相关的结构知识的学习，开发了一个先进的深度学习框架，命名为 SubOptGraph，可以从有限的数据集中更充分地捕获与光学特性相关的结构知识。
Figure 1. SubOptGraph 的计算框架. (a) Deep4Chem 数据库的样本收集. (b) 分子表征：节点特征 V，边特征 A，状态特征 U. (c) SubConv 为消息传递阶段，Readout 为读出阶段，Full-connect 为全连接层. (d) SubOptGraph MPNN 用于提取子图特征，Node-centered MPNN 用于提取节点特征，Edge-centered MPNN 用于提取边特征. (e) 读出阶段，通过全局注意力方法，读出嵌入向量，用于预测。
Figure 2. PPI-2TPA 的结构 (a) 和吸收光谱 (b)、发射光谱 (c).
论文信息
Enhancing chemistry-intuitive feature learning to improve prediction performance of optical properties Ming Sun, Caixia Fu, Haoming Su, Ruyue Xiao, Chaojie Shi, Zhiyun Lu* （卢志云，四川大学）and Xuemei Pu*（蒲雪梅，四川大学） Chem. Sci., 2024, 15, 17533-17546
https://doi.org/10.1039/D4SC02781G
作者简介
本文共同第一作者，四川大学博士研究生。研究方向为基于深度学习的材料性能预测和分子设计。
本文共同第一作者，四川大学博士研究生，2016年加入四川大学卢志云教授课题组，研究方向为有机功能材料的设计及发光机理的研究。
本文通讯作者，四川大学教授，博士生导师，中国化学会计算（机）化学专委会副主任委员。作为负责人主持国家自然科学基金6项、国家重大专项课题 2 项、4 项四川省科技项目和多项横向课题，在 Nature Communications, Chemical Science, Materials Today Chemistry, J Material Chemistry, Journal of Chemical Information Modeling 等期刊上发表了 100 余篇学术论文，授权 14 项国家发明专利和 10 项国家计算机软件著作权，所建立的人工智能驱动的新分析方法和设计策略已在相关单位和研究所得到实际应用和推广。主要研究方向为基于人工智能的材料设计和药物设计。
期刊介绍
rsc.li/chemical-science
Chem. Sci.
| 2-年影响因子* | 7.6分 |
| 5-年影响因子* | 8.0分 |
| JCR 分区* | Q1 化学-综合 |
| CiteScore 分† | 14.4分 |
| 中位一审周期‡ | 33 天 |
Chemical Science 是涵盖化学科学各领域的跨学科综合性期刊，也是英国皇家化学会的旗舰期刊。所发表的论文不仅要在相应的领域内具有重大意义，而且还应能引起化学科学其它领域的读者的广泛兴趣。所发表的论文应包含重大进展、概念上的创新与进步或者是对领域发展的真知灼见。发文范围包括但不限于有机化学、无机化学、物理化学、材料科学、纳米科学、催化、化学生物学、分析化学、超分子化学、理论化学、计算化学、绿色化学、能源与环境化学等。作为一本钻石开放获取的期刊，读者可以免费获取所发表论文的全文，同时从该刊的论文版面费由英国皇家化学会承担，论文作者无需付费。
Editor-in-Chief
Andrew Cooper
🇬🇧 利物浦大学
|
|
† CiteScore 2023 by Elsevier
‡ 中位数，仅统计进入同行评审阶段的稿件
📧 RSCChina@rsc.org
↓↓↓
