Previsão de deslocamento químico de complexos de Pt195 por meio de Machine Learning
Palavras-chave:
Compostos complexos de Platina, Machine Learning, RMNResumo
Este artigo explora a previsão de deslocamento químico para Compostos de Coordenação de Platina, com foco em sua estrutura eletrônica, essencial para aplicações em catálise, medicina e ciência dos materiais. A análise do deslocamento químico fornece informações valiosas sobre a estereoquímica e reatividade desses compostos. A fundamentação teórica abrange a importância de considerar efeitos relativísticos em cálculos envolvendo elementos pesados, como a platina. O estudo propõe a utilização de técnicas de Machine Learning para prever o deslocamento químico, visando otimizar recursos e tempo em cálculos complexos. Utilizando um conjunto de dados construído a partir de compostos previamente estudados, algoritmos como Regressão Linear e Random Forest foram treinados com atributos específicos dos compostos. Surpreendentemente, a Regressão Linear apresentou resultados altamente satisfatórios, com acurácia de 90-95% e RMSE de 272, superando as expectativas em relação à necessidade de redes neurais.
