ترجمه فارسی مقاله پیکربندی چرخه‌ای: یک مجموعه توصیفگر جدید مبتنی بر نظریه گراف برای استنتاج مولکولی

چکیده

In this paper, we propose a novel family of descriptors of chemical graphs, named cycle-configuration (CC), that can be used in the standard “two-layered (2L) model” of mol-infer, a molecular inference framework based on mixed integer linear programming (MILP) and machine learning (ML). Proposed descriptors capture the notion of ortho/meta/para patterns that appear in aromatic rings, which has been impossible in the framework so far. Computational experiments show that, when the new descriptors are supplied, we can construct prediction functions of similar or better performance for all of the 27 tested chemical properties. We also provide an MILP formulation that asks for a chemical graph with desired properties under the 2L model with CC descriptors (2L+CC model). We show that a chemical graph with up to 50 non-hydrogen vertices can be inferred in a practical time.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما یک خانواده جدید از توصیف کنندگان نمودارهای شیمیایی ، به نام پیکربندی چرخه (CC) را پیشنهاد می کنیم ، که می تواند در مدل استاندارد “دو لایه (2L)” مولت ، یک چارچوب استنتاج مولکولی مبتنی بر استفاده شود.برنامه نویسی خطی عدد صحیح (MILP) و یادگیری ماشین (ML).توصیف کنندگان پیشنهادی مفهوم الگوهای ارتو/متا/پارا را که در حلقه های معطر ظاهر می شوند ، ضبط می کنند ، که تاکنون در چارچوب غیرممکن بوده است.آزمایش های محاسباتی نشان می دهد که ، هنگامی که توصیف کننده های جدید تهیه می شوند ، می توانیم عملکردهای پیش بینی عملکرد مشابه یا بهتر را برای همه 27 ویژگی شیمیایی آزمایش شده بسازیم.ما همچنین یک فرمولاسیون MILP ارائه می دهیم که از یک نمودار شیمیایی با خواص مورد نظر در زیر مدل 2L با توصیف کننده های CC (مدل 2L+CC) درخواست می کند.ما نشان می دهیم که یک نمودار شیمیایی با حداکثر 50 راس غیر هیدروژن می تواند در یک زمان عملی استنباط شود.