独立研究 · 水系液流电池
预测有机分子的氧化还原电位
输入 SMILES 或化学名称。名称助手会先给出可能的名称选项；结构来自 PubChem（找不到时才由 LLM 提议），随后由 RDKit 验证、绘制并由你确认。
名称助手
先选择一个可能的标准名称，再查看任何结构。
请确认分子结构
请检查二维结构和 canonical SMILES。确认后才会运行电位预测。
用于预测的 SMILES:
结构编辑助手
用自然语言描述你想要的结构变化；助手会提出最多 3 个候选，你仍可选择、编辑并确认。
用于预测的 SMILES:
预测氧化还原电位
- 模型
- 目标
这个流程怎样工作？
- 1. 输入你可以直接输入 SMILES；也可以输入化学名称。名称助手先给出可能的名称选项。
- 2. 结构确认RDKit 解析并标准化该结构，生成二维图。你检查图和 canonical SMILES 后，主动确认。
- 3. 电位预测确认后，RDKit 描述符和 Morgan fingerprint 被送入固定模型，输出 RedDB DFT 电位尺度上的预测值。
电位由什么模型预测？
在线预测器不是 LLM，也不会现场运行 DFT。它是一个在 RedDB DFT 标签上训练好的 Random Forest 回归模型。
分子结构确认后的 canonical SMILES
结构特征26 个 RDKit 描述符 + 1024 位 Morgan fingerprint
机器学习300 棵决策树分别给出估计，再取平均
输出水系氧化还原电位，V vs SHE（RedDB DFT 尺度）
PubChem 是名称到结构的首选来源；只有 PubChem 找不到时，LLM 才会提出候选。LLM 不预测电位，也不替代结构确认。