近日，我院理论化学与低维材料团队青年教师王军博士在国际权威期刊《Chemical Science》上合作发表题为“Fingerprint-based deep neural networks can model thermodynamic and optical properties of eumelanin DHI dimers”的论文，研究工作由王军博士与赫罗纳大学Lluís Blancafort教授合作完成。Chemical Science是化学领域1区顶级权威期刊，最新影响因子9.969，在国际上享有很高的声誉。

  真黑素是一种生物高聚物，在生物中起着光保护作用。黑色素光保护功能取决于其特殊的异质性结构，其精确结构非常复杂，实验上无法测定，解析其结构及解释光保护微观机理是亟待解决的难题。在之前的研究工作基础上，作者对黑色素的二聚体的结构、稳定性及光学特性进行了系统的研究，但是对于较大的低聚物以及尺寸更大的聚集体，可能的分子构型非常多，给理论建模提出了很大的挑战。在这篇报道中，作者证明了5,6-二羟基吲哚（DHI）真黑素二聚体所有结构的稳定性和最低垂直光吸收等性能可以用机器学习方法模拟和预测。文中使用基于指纹的深度神经网络的方法对所有可能的结构进行类似人类指纹的方式进行编码，然后去模拟其结构稳定性和光吸收的性能。尽管数据集大小适中，但结构稳定性和第一激发态吸收能分别只有6%和9%误差。这种指纹编码方法把二聚体不同片段直接的连接以及不同氧化位点以一种简单，明确的方式结合到一起，并可以扩展到较大的低聚物。本工作表明，机器学习可以用于帮助解决黑色素以及类似具有复杂结构的化合物构建、模拟和预测。

文章链接: https://pubs.acs.org/doi/10.1021/jacs.2c02381