ИСТИНА

Была осуществлена оценка погрешности предсказания ИК-спектров астрохимически значимых молекул ПАУ при применении нейронных сетей. Оценка производилась исходя из результатов работ, которые были обнаружены при изучении литературных данных. Также была осуществлена попытка повышения качества предсказания ИК-спектров за счет рассмотрения различных способов кодирования молекул, функций потерь обучающей модели и за счет увеличения числа молекул в исходной выборке. В работе реализовано обучение нейронной сети и предсказание ИК-спектров ПАУ на базе языке программирования Python. Кодировка молекул была воспроизведена с помощью встроенной функции библиотеки RDKit, разбивающей молекулы на фрагменты согласно алгоритму Моргана. Была выполнена оценка предсказания ИК-спектров с применением различных способов кодировки, встроенных в библиотеку RDKit. Были рассмотрены различные функции потерь, при этом как стандартные (RMSE), так и более уникальные, например EMD (Earth Movers’s Distance). Исходный набор обучающей выборки был дополнен молекулами и ИК-спектрами из открытых баз данных. При этом большее число этих органических молекул не относится к классу ПАУ. Оценка погрешности качества предсказания показала, что нейронные сети успешно применимы для решения задачи моделирования ИК-спектров ПАУ. Были также предложены другие способы улучшения предсказания, наиболее значимыми из которых потенциально являются селекция молекул из дополнительных баз данных с целью выявления ароматических молекул с функциональными группами, которые ближе по строению к ПАУ, а также применение графовых нейронных сетей на стадии кодирования молекул.