Nature Chemistry | 化学机器学习的最佳实践：推荐的一套标准化指南

来源：专知本文约1000字，建议阅读5分钟 
本文讨论了训练可靠、可重复和可再生模型的所需要素，并为机器学习报告推荐了一套指南。

摘要

基于机器学习的统计工具正在融入化学研究的工作流程。本文讨论了训练可靠、可重复和可再生模型的所需要素，并为机器学习报告推荐了一套指南。

https://www.nature.com/articles/s41557-021-00716-z

前言

长期以来，从化学动力学中的艾林方程、描述化学稳定性和反应性的电负性尺度到连接分子结构和光谱的配体场方法，化学一直受益于使用模型来解释数据模式。此类模型通常采用可重现的封闭式方程形式，并且在数十年间仍然具有相关性。然而，化学规则通常仅限于特定类别的系统（如多面体硼烷的电子计数）和条件（如热力学平衡或稳态）。

在应用简单的分析表达式或计算复杂的数值模型这些限制之外，统计建模和分析提供了发现更普适性新关系的契机，正在成为化学领域的有效研究工具。然而，这些技术的从业者必须谨慎地遵循协议，以达到与既定方法类似的有效性和可重复性。

本评论的目的是提出一个“最佳实践”标准，以确保统计学习开发模型的鲁棒性，以及观察效果的可重复性。希望相关的清单（图1）对作者、审稿人和读者有用，以指导机器学习模型的训练和报告的批判性评估，并提供一定程度的标准化。建议出版商可以在此清单的帮助下为机器学习手稿的提交制定指南和可重复性的规范。也希望众多科学家将带头开展这项运动，并主动提供机器学习清单来支撑论文。

图1 用于建议作者和审稿人报告和评估机器学习模型的清单

编辑：文婧