SLEET能隙预测模型

2D精度比肩3D

仅用SMILES序列即可精确预测过渡金属配合物HOMO-LUMO能隙，摆脱对三维结构的依赖。

Ye, Zong Rong · Chi-Cheng, Wu · Chen, Berlin · Tsai, Mingkang

Journal of Chemical Theory and Computation 2025

技术优势

二维精度比肩三维

模型基于SMILES片段与Transformer架构，无需三维坐标即可捕捉配体场特征，预测精度与依赖三维信息的模型相当。

摆脱3D结构依赖

输入仅为SMILES字符串，省去生成和优化三维构象的步骤，可大幅提升筛选效率。

分子量无关也适用

模型对不依赖分子量的电子性质同样预测准确，表明捕捉到了本质的电子结构特征。

应用场景

• 高通量分子筛选：快速过滤候选配合物，免去3D构象生成，缩短筛选周期。
• 催化剂设计：预筛配合物的电子性质，辅助挑选合适配体与金属中心。
• 有机合成路线预测：预测中间体配合物稳定性，辅助判断反应路径可行性。
• 机器学习分子性质预测：展示二维SMILES表征在TMC电子性质预测上的新SOTA思路。
• 配体场调控设计：提供快速能隙反馈，加速配体场调优迭代。