In dieser Dissertation wird das Potenzial des maschinellen Lernens zur Optimierung der Effizienz chemischer Reaktionen, insbesondere der Reaktionsausbeute, untersucht. Die Forschung entwickelt Vorhersagemodelle unter Verwendung von Daten von AstraZeneca und Enamine. Unter Verwendung der SMILES-Notation und von Reaktions-Fingerprints werden chemische Reaktionen im Detail erfasst. Diese Arbeit befasst sich mit Herausforderungen bei der Vorhersage der Ausbeute, verbessert die synthetische Chemie und fördert effizientere und nachhaltigere chemische Synthesen.     «

In dieser Dissertation wird das Potenzial des maschinellen Lernens zur Optimierung der Effizienz chemischer Reaktionen, insbesondere der Reaktionsausbeute, untersucht. Die Forschung entwickelt Vorhersagemodelle unter Verwendung von Daten von AstraZeneca und Enamine. Unter Verwendung der SMILES-Notation und von Reaktions-Fingerprints werden chemische Reaktionen im Detail erfasst. Diese Arbeit befasst sich mit Herausforderungen bei der Vorhersage der Ausbeute, verbessert die synthetische Chemie un...     »