Srovnání machine-learningových přístupů pro výpočet parciálních atomových nábojů

Bc. Jan Bříza

Bachelor's thesis

Comparison of machine-learning approaches for calculating partial atomic charges

Abstract:

Parciální atomové náboje umožňují zjednodušený popis elektronové hustoty v molekulách. Tradičně se počítají pomocí výpočetně náročných metod, které numericky řeší rovnice z kvantové mechaniky. Tato úroveň výpočetní náročnosti je činí pomalými a omezuje jejich použití na malé molekuly. Pro rychlejší získání parciálních nábojů a pro větší molekuly byly vyvinuty empirické metody založené na zjednodušených fyzikálně-chemických zákonech. Empirické metody však vyžadují mnoho odborných znalostí a pečlivé vyladění. Nové přístupy k výpočtu parciálních nábojů využívají také algoritmy strojového učení a jsou zcela nezávislé na jakýchkoli fyzikálních nebo chemických zákonech. V této práci je vybraný přístup strojového učení zkoumán, modifikován a testován na referenčním souboru dat, prostřednictvím modelování QSPR a porovnáván s nejmodernější empirickou metodou.

Abstract:

Partial atomic charges offer a simplified description of electron density in molecules. They are traditionally calculated using computationally intensive methods that numerically solve equations from quantum mechanics. This level of computational intensity makes them slow and limits their use to small molecules. To obtain partial charges faster and for larger molecules, empirical methods based on simplified physicochemical laws have been developed. However, empirical methods require a lot of expert knowledge and careful tuning. New approaches for calculating partial charges also make use of machine learning algorithms and are completely independent of any laws of physics or chemistry. In this thesis, selected machine learning approach is explored, modified, and tested using a reference dataset, through QSPR modeling, and compared to state of the art empirical method.

Keywords

partial charges, machine learning, computational chemistry, parciální náboje, strojové učení, výpočetní chemie

Language used: English

Date on which the thesis was submitted / produced: 16. 5. 2023

Thesis defence

• Date of defence: 21. 6. 2023
• Supervisor: RNDr. Tomáš Raček, Ph.D.
• Reader: doc. RNDr. Radka Svobodová, Ph.D.

Masaryk University

Faculty of Science

Bachelor programme / field:
Computational biology and biomedicine / Biomedical bioinformatics