Structure–Spectrum Correlations and Computer‐Assisted Structure Elucidation

Sousa, Joao Aires de

doi:10.1002/9783527806539.ch5

Applied Chemoinformatics 2018

DOI: 10.1002/9783527806539.ch5

|View full text |Cite

Structure–Spectrum Correlations and Computer‐Assisted Structure Elucidation

Joao Aires de Sousa

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2020

Publication Types

Select...

Article4

Relationship

Self Cite0

Independent4

Authors

Journals

Cited by 4 publications

References 106 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Autonome Entdeckung in den chemischen Wissenschaften, Teil I: Fortschritt

2020

View full text Add to dashboard Cite

Connor W. Coley graduierte mit B.S. in Chemieingenieurwesen am California Institute of Technology und erhielt seinen M.S.C.E.P. und Ph.D. in Chemieingenieurwesen am MIT.Sein Forschungsschwerpunkt liegt auf den Mçglichkeiten, durch Data Science und Automation im Labor die wissenschaftliche Entdeckung in den chemischen Wissenschaften zu rationalisieren. Natalie S. Eyke studierte Verfahrenstechnik an der University of Michigan und schloss 2014 mit dem Bachelor of Science ab. Danach ging sie zu Merck & Co.Inc. an das Chemical EngineeringResearch & Development Department und arbeitete an der Prozessentwicklung fürW irkstoffe. Seit 2017 promovierts ie am MIT unter Anleitung von Klavs F. Jensen und William H. Green. Ihre Forschung konzentriert sich auf die Kombination aktiver maschineller Lerntechniken mit Hochdurchsatzexperimentenfüre in verbessertes Reaktions-Screening. Klavs F. Jensen hat die Warren-K.-Lewis-Professur fürChemical Engineeringa nd Materials Science and EngineeringamMIT inne und ist Codirektor des dortigen Pharma-AI-Konsortiums. Er erhielt seinen MSc in Chemieingenieurwesen von der Technischen Universitätvon Dänemark. Er promovierte in Chemieingenieurwesen an der University of Wisconsin-Madison. Zu seinen Interessen gehçren On-Demand-Mehrstufensynthesen, Methoden fürdie automatisierte Synthese sowie maschinelles Lernen fürdie chemische Synthese und die Interpretation großer chemischer Datensätze. Abbildung 1. Die drei großen Kategorien von wissenschaftlicher Entdeckung, die in diesem Aufsatz beschriebenw erden:E ntdeckungvon Materie, Prozessenu nd Modellen.

show abstract

Autonome Entdeckung in den chemischen Wissenschaften, Teil I: Fortschritt

2020

View full text Add to dashboard Cite

show abstract

Autonome Entdeckung in den chemischen Wissenschaften, Teil II: Ausblick

2020

View full text Add to dashboard Cite

In dem zweiteiligen Aufsatz wird der Beitrag von Automation zu verschiedenen Aspekten der chemischen Entdeckung untersucht. In Teil 2 betrachten wir ausgewählte Beispiele. Eine Diskussion der Rolle von Automation und Rechnung im wissenschaftlichen Prozess und deren Einfluss auf die Beschleunigung von Entdeckungsaufgaben wird immer wichtiger. Selbst wenn automatisierte Systeme die Laborarbeit immens unterstützen können, kann man argumentieren, dass auch die besten Roboter noch nicht wirklich etwas “entdecken”. Zur effektiven Entwicklung autonomer Plattformen müssen wir ihren bisherigen Einsatz evaluieren und herausfinden, wie sie sich auf künftige Probleme anwenden lassen. Den Hauptteil dieses Aufsatzes nimmt die Definition von weiterführenden Forschungsrichtungen ein: Verarbeitung komplexer Daten, Erstellung empirischer Modelle, Automation experimenteller und rechnerischer Validierung, Versuchsauswahl und Evaluation des Fortschritts auf dem Weg zur autonomen Entdeckung.

show abstract

Autonomous Discovery in the Chemical Sciences Part I: Progress

2020

View full text Add to dashboard Cite

This two‐part Review examines how automation has contributed to different aspects of discovery in the chemical sciences. In this first part, we describe a classification for discoveries of physical matter (molecules, materials, devices), processes, and models and how they are unified as search problems. We then introduce a set of questions and considerations relevant to assessing the extent of autonomy. Finally, we describe many case studies of discoveries accelerated by or resulting from computer assistance and automation from the domains of synthetic chemistry, drug discovery, inorganic chemistry, and materials science. These illustrate how rapid advancements in hardware automation and machine learning continue to transform the nature of experimentation and modeling. Part two reflects on these case studies and identifies a set of open challenges for the field.

show abstract

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

customersupport@researchsolutions.com

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Structure–Spectrum Correlations and Computer‐Assisted Structure Elucidation

Cited by 4 publications

References 106 publications

Autonome Entdeckung in den chemischen Wissenschaften, Teil I: Fortschritt

Autonome Entdeckung in den chemischen Wissenschaften, Teil I: Fortschritt

Autonome Entdeckung in den chemischen Wissenschaften, Teil II: Ausblick

Autonomous Discovery in the Chemical Sciences Part I: Progress

Contact Info

Product

Resources

About