HOMO/LUMO精准预测
基于迁移学习与极端梯度提升，该模型大幅提升有机材料前线轨道能级的预测准确性，预测值比DFT计算更接近实验值，为光电材料筛选提供可靠工具。
Xinyu, Peng · 梁娇娇 · Kuo, Wang · Xiaojie, Zhao · Zhiyan, Peng · Zhennan, Li · 曾进辉 · 兰征 · 雷敏 · 黄迪
npj Computational Materials 2024
输入分子指纹即可预测，模型预测精度比DFT计算更接近实验值，可替代DFT进行快速筛选。
DFT计算LUMO能级不稳定，而模型对LUMO预测的相关系数达0.84，能可靠获得LUMO能级。
通过SHAP分析识别出13个关键结构片段，据此设计了四个Y6衍生物，模型预测趋势与DFT一致，可指导定向设计。
利用11,626条DFT数据预训练，再迁移到1198条实验数据微调，实现对实验值的精准预测。