Un método preciso y eficaz para predecir las energías de disociación del enlace de homolisis Y-NO

Este artículo propone un nuevo método que combina el algoritmo de Kennard y Stone (Kenstone, KS), la agrupación jerárquica (HC) y la máquina de aprendizaje extremo (ELM) basada en la optimización de colonias de hormigas (ACO) (KS-HC/ACO-ELM) con el método B3LYP/6-31G(d) de la teoría funcional de la densidad (DFT) para mejorar la precisión de los cálculos DFT de las energías de disociación del enlace (BDE) de la homolisis del Y-NO. En este método, Kenstone divide todo el conjunto de datos en dos partes, el conjunto de entrenamiento y el conjunto de prueba; se utilizan HC y ACO para realizar el análisis de conglomerados en descriptores moleculares; se aplica el análisis de correlación para seleccionar los descriptores moleculares más correlacionados en las clases, y ELM es el modelo no lineal para establecer la relación entre los cálculos DFT y los valores experimentales de BDE de homolisis. Los resultados muestran que la desviación estándar de la BDE de homolisis en el conjunto de pruebas moleculares se reduce de 4,03 kcal mol-1 calculada por el método DFT B3LYP/6-31G(d) a 0,30, 0,28, 0,29 y 0,32 kcal mol-1 por los métodos KS-ELM, KS-HC-ELM y KS-ACO-ELM y la red neuronal artificial (ANN) combinada con KS-HC, respectivamente. Este método predice valores precisos con una eficacia mucho mayor en comparación con el cálculo DFT de conjuntos de bases más grandes y también puede lograr resultados de cálculo de precisión similar para moléculas más grandes.

Autores: Hong Zhi, Li; Lin, Li; Zi Yan, Zhong; Yi, Han; LiHong, Hu; Ying Hua, Lu