Herzlich Willkommen!
In the context of this dissertation, methods were investigated that can contribute to a successful digitization strategy in experimental synthetic chemistry. Three areas were identified which could support a change in the current documentation and working methods. These are (1) the development of software for the processing of spectroscopic data and the comparison of the extracted results with the in silico predictions of the target compounds, (2) the generation of ML-based predictions for reaction control (reaction templates and reaction temperature) and (3) the automatic generation of reports from entries of an electronic laboratory journal. The work is a contribution to improve, facilitate, and accelerate scientific work in chemistry. Im Rahmen dieser Dissertation wurden Methoden untersucht, die zu einer erfolgreichen Digitalisierungsstrategie in der experimentellen synthetischen Chemie beitragen können. Es wurden drei Bereiche identifiziert, die hier insbesondere eine Veränderung der aktuellen Dokumentations- und Arbeitsweise unterstützen können. Dies sind (1) die Entwicklung von Software zur Bearbeitung von spektroskopischen Daten und dem Ableich der extrahierten Ergebnisse mit den in silico-Vorhersagen der Zielverbindungen, (2) die Generierung von ML-basierten Vorhersagen für die Reaktionsführung (Reaktionstemplates und Reaktionstemperatur) und (3) die automatische Erstellung von Berichten aus Einträgen eines elektronischen Laborjournals. Die entwickelten Modelle werden jeweils diskutiert und analysiert.
Autor: Huang, Yu-Chieh
ISBN: 9783832550523
Sprache: Englisch
Seitenzahl: 154
Produktart: Kartoniert / Broschiert
Verlag: Logos Berlin
Veröffentlicht: 04.02.2020
Schlagworte: cheminformatics data management deep learning digital data spectrum

0 von 0 Bewertungen

Durchschnittliche Bewertung von 0 von 5 Sternen

Bewerten Sie dieses Produkt!

Teilen Sie Ihre Erfahrungen mit anderen Kunden.