ĐÁNH GIÁ CÁC PHƯƠNG PHÁP HỌC MÁY TRONG DỰ ĐOÁN ĐỘ TAN CỦA PHÂN TỬ HỮU CƠ: ỨNG DỤNG TRONG GIÁO DỤC CHUYÊN NGÀNH HOÁ HỌC

Tóm tắt

Trong kỷ nguyên số 4.0, việc tích hợp các công cụ tính toán vào giảng
dạy chuyên ngành ngày càng được chú trọng. Bài báo này giới thiệu một nghiên
cứu tình huống phục vụ giảng dạy hóa học, trong đó sinh viên được tiếp cận các
phương pháp học máy để dự đoán độ tan trong nước (log S) dựa trên bộ dữ liệu AqSolDB. Ba phương pháp được so sánh gồm: mô tả phân tử truyền thống (RDKit), mô tả lượng tử học (AM1) và học sâu dựa trên hình ảnh (U-Net). Kết quả cho thấy mô tả phân tử 2D truyền thống không chỉ đạt độ chính xác cao nhất mà còn có chi phí tính toán thấp, phù hợp với mục tiêu giảng dạy. Trong khi đó, mô tả lượng tử không cải thiện đáng kể hiệu suất nhưng làm tăng mạnh chi phí tính toán và phương pháp học trực quan cho kết quả kém nhất. Nghiên cứu này giúp sinh viên hiểu rõ vai trò của chọn lọc đặc trưng, sự phù hợp của mô hình và cân nhắc giữa độ chính xác và hiệu quả tính toán.