Chemistry-informed deep learning model for predicting stereoselectivity and absolute configuration in asymmetric hydrogenation
6.4
来源：
Nature
关键字：
neural coding
发布时间：
2025-12-05 19:38
摘要：
ChemAHNet是一种基于反应机制的深度学习模型，旨在解决不对称氢化反应中立体选择性和绝对构型的预测问题。该模型通过三个结构感知模块，能够在多种催化剂和底物中准确预测主要对映体的绝对构型，并定义了催化剂与烯烃的相互作用。ChemAHNet的创新性在于其能够同时预测立体选择性和绝对构型，且可扩展至其他不对称催化反应。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
0.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
0.0
team_institution_background
0.5
technical_barrier_competition
0.4
关键证据
ChemAHNet能够准确预测主要对映体的绝对构型
模型定义了催化剂与烯烃之间的相互作用
数据集和代码均可公开获取，支持研究的可重复性
真实性检查
否
AI评分总结
ChemAHNet是一种基于反应机制的深度学习模型，旨在解决不对称氢化反应中立体选择性和绝对构型的预测问题。该模型通过三个结构感知模块，能够在多种催化剂和底物中准确预测主要对映体的绝对构型，并定义了催化剂与烯烃的相互作用。ChemAHNet的创新性在于其能够同时预测立体选择性和绝对构型，且可扩展至其他不对称催化反应。