Machine Learning pour la synthèse organique

La présente séance de cours traite des progrès réalisés en vue de tirer parti de l'apprentissage automatique pour la synthèse organique, en mettant l'accent sur la prévision des rendements des réactions à l'aide de bases de données, des expérimentations à haut débit et de l'importance de la prévisibilité des ensembles de données. Il couvre également l'ensemble de données NiCOlit comme une preuve de concept, des étapes vers la prédiction du rendement, et des performances prédictives sur la division aléatoire. La comparaison des ensembles de données NiCOlit et HTE, y compris la taille de l'espace chimique, la diversité et la structure de portée/optimisation, est analysée. La séance de cours se termine par des réflexions sur le comportement des prédictions hors échantillon, la visualisation de la distribution des publications dans l'espace de réaction et les perspectives de la chimie prédictive.