人工智能与化学 - 本科生教材

图书推荐

教材推荐

内容简介

本书是面向化学化工与人工智能交叉融合的发展需求，在系统梳理人工智能相关方法及其与化学实际问题内在联系的基础上编写而成的。全书以“人工智能方法—化学表示—模型构建—典型应用”为主线，循序渐进地讲解人工智能基础、分子表示方法、人工智能算法在分子性质预测、药物设计和材料性能评估等典型化学问题中的应用，系统阐明化学问题向人工智能建模问题的转化思路与实现路径。
本书突出“问题导向、能力导向与实践导向”，结合跨学科教学案例与可复现的工程实践（代码）示例，强调从数据准备、模型构建到结果分析的完整建模流程，着力培养学生的数据思维、模型分析能力和工程应用能力。
本书可作为化工与制药、能源与环境、材料科学等相关专业，以及人工智能与化学交叉方向本科生和研究生的教学用书。

第1 章绪论 1
1. 1 人工智能的概述 1
1. 2 人工智能的应用 2
1. 3 Python 编程环境配置 4
1. 4 Python 机器学习工具库简介 13
1. 5 本章小结 16
【思考题】 16
【实践练习】 16
参考文献 16
第2 章分子表示 18
2. 1 分子表示的概述 19
2. 2 分子的一维序列表示 19
2. 3 分子的二维图表示 28
2. 4 分子的三维几何表示 38
2. 5 本章小结 44
【思考题】 44
【实践练习】 44
参考文献 45
第3 章机器学习算法 46
3. 1 机器学习概述 46
3. 2 机器学习分类 47
3. 3 线性回归 51
3. 4 逻辑回归 66
3. 5 决策树 90
3. 6 随机森林 102
3. 7 本章小结 123
【思考题】 123
【实践练习】 124
参考文献 124
第4 章神经网络基础 125
4. 1 神经网络的概述 126
4. 2 神经网络的结构 127
4. 3 基于神经网络的 HIV 活性预测 136
4. 4 基于神经网络的药物分子溶解度预测 154
4. 5 基于深度神经网络的分子溶解度预测 166
4. 6 本章小结 189
【思考题】 189
【实践练习】 189
参考文献 189
第5 章卷积神经网络在化学中的应用 191
5. 1 CNN 的基本原理 192
5. 2 CNN 的基础结构 193
5. 3 基于二维 CNN 的分子毒性预测 197
5. 4 本章小结 217
【思考题】 217
【实践练习】 217
参考文献 218
第6 章循环神经网络在化学中的应用 219
6. 1 RNN 基础原理 220
6. 2 RNN 的基本架构 220
6. 3 RNN 的变体 221
6. 4 基于 LSTM 的分子溶解度预测案例 228
6. 5 本章小结 240
【思考题】 241
【实践练习】 241
参考文献 241
第7 章图神经网络在化学中的应用 242
7. 1 图的数学表示 243
7. 2 图卷积的核心思想 244
7. 3 基于图卷积网络的分子溶解度预测 244
7. 4 本章小结 260
【思考题】 260
【实践练习】 260
参考文献 260

图书推荐

细胞的奇迹：吃出来的免疫力（原书第二版）

自恋及其缺憾

诗中宋宴：宋诗的一蔬一饭与日常之美

迪奥风格笔记

物理之书（第2版）

教材推荐

工程结算（第4版）

逆向工程与3D打印技术

数据库基础及应用——MySQL（第二版）

成长英语学生用书•进阶篇

网络组建与维护（第6版）

内容简介

目录