近日，大连理工大学莱斯特学院22级应用化学专业本科生王珅，作为第一作者在国际知名期刊《The Journal of Organic Chemistry》发表题为“Optimizing Model Learning Performance on a Challenging Heck Reaction Yield Data Set”的研究成果。化工海洋与生命学院李阳副教授为本文通讯作者。
内容介绍
由于缺乏可用的数据集，机器学习在有机合成中的发展受到限制。王珅等人建立了一个与机器学习兼容的Heck反应产率文献数据集，命名为HeckLit。与高通量实验数据集相比，该数据集包括多种反应子类，覆盖了包括近3.6 × 1012例反应组成的化学空间。尽管HeckLit与其他基于文献的数据集一样面临着分布稀疏和高收益偏好的困境，导致模型在测试集上的学习能力有限，但是，本文提出的子集分裂训练策略成功优化了模型在HeckLit大规模数据上的学习性能，为应对从大规模数据集学习的挑战开辟了一条新的途径。
作者介绍
王珅同学以重要的均相催化反应为研究对象，进行AI4Chem和DFT计算研究，以第一作者/共同第一作者身份发表SCI期刊论文3篇。在读期间获国家奖学金、学习优秀奖学金等荣誉称号，并获批校优秀本科生基础研究经费。此外，王珅同学积极参加各类科创竞赛，获得美国大学生数学建模比赛M奖、全国大学生算法设计挑战赛铜奖等奖项。
期刊介绍
《The Journal of Organic Chemistry》（JOC）是美国化学学会出版的有机化学领域权威期刊，创刊于1936年，专注于有机化学基础研究与应用，涵盖有机合成、催化、天然产物化学、药物化学等方向。该期刊位于JCR1区，中科院2区，2024-2025年影响因子为3.6。
文章信息
The Journal of Organic Chemistry
Shen Wang, Yining Liu, Weiren Zhao, and Yang Li*. Optimizing Model Learning Performance on a Challenging Heck Reaction Yield Data Set. J. Org. Chem. 2025, 90, 36, 12768–12777.
