Apprentissage automatique pour la catalyse

Cette séance de cours couvre l'application de l'apprentissage automatique dans la catalyse, en se concentrant sur l'utilisation de modèles ML pour prédire les propriétés chimiques, les représentations moléculaires et les performances du catalyseur. Les sujets abordés incluent les représentations de Coulomb Matrix, Bag of Bonds, et Spectrum of London et Axilrod-Teller-Muto, ainsi que Kernel Ridge Regression. La séance de cours explore le criblage systématique des catalyseurs moléculaires, l'exploration ML des paysages de catalyseurs et l'utilisation de modèles ML pour les réactions de couplage croisé. Différents modèles de ML sont discutés, tels que les machines vectorielles de soutien et les réseaux neuronaux, dans la prédiction des catalyseurs sélectifs pour les réactions chimiques.