000			03623nam a22003497a 4500
003			EC-UrYT
005			20240715145627.0
008			150116t9999 mx r gr 000 0 spa d
040			_cEC-UrYT
041			_aeng _bspa
100	1		_aCastro Angamarca, Jonnathan Ariel _916081 _eautor
245	1	0	_aThe Yggdrasil Project: organic reaction prediction with a custom-developed feedforward neural network and a tailored database / _cJonnathan Ariel Castro Angamarca ; tutor Thibault Terencio
264	3	4	_aUrcuquí, _c2024
300			_a102 hojas : _bilustraciones (algunas a color) ; _c30 cm + _e1 CD-ROM
502			_aTrabajo de integración curricular _b(Químico/a). _cUniversidad de Investigación de Tecnología Experimental Yachay. _gUrcuquí, _d2024
504			_aIncluye referencias bibliográficas (páginas 77-80)
506			_aTrabajo de integración curricular con acceso abierto
516			_aTexto (Hypertexto links)
520			_aEsta tesis presenta el proyecto Yggdrasil, cuyo objetivo es aplicar el aprendizaje automático para predecir reacciones químicas orgánicas mediante el desarrollo y validación de un modelo de red neuronal. El proyecto se estructura en dos fases principales: Cognitio y Vaticinor. En la fase Cognitio, un subconjunto de la base de datos USPTO_MIT fue procesado y adaptado para el aprendizaje automático, aumentado con cálculos de la Teoría del Funcional Densidad, para formar un conjunto de datos adecuado para el entrenamiento del modelo. La fase Vaticinor consistió en el diseño, desarrollo y validación del modelo de red neuronal, centrándose en la capacidad del modelo para predecir reacciones orgánicas con precisión. Utilizando sólo el 0,375% de la base de datos USPTO_MIT, el proyecto logró una precisión de prueba del 32,33% y una precisión de validación cruzada del 29,39%. El análisis determinó que el conjunto de características "Correlación fuerte" era el que ofrecía el mejor rendimiento, lo que subraya la importancia de la selección estratégica de características para mejorar la precisión predictiva y la capacidad de generalización del modelo. Los resultados ilustran la viabilidad y el potencial del uso del aprendizaje automático para la predicción de reacciones orgánicas. La dirección futura del proyecto Yggdrasil incluye: • La ampliación de la base de datos para mejorar la robustez del modelo. • La integración de todos los scripts de Cognitio para la optimización de procesos. • La adición de información estereoquímica al conjunto de datos. • El perfeccionamiento del modelo para cubrir una gama más amplia de reacciones orgánicas. Esta tesis destaca la importancia de la preparación de datos, la selección de características y la validación de modelos en el aprendizaje automático y la química computacional. Los códigos que componen el Proyecto Yggdrasil fueron escritos en Python3.10 y Bash y están disponibles en el repositorio GitHub: https://github.com/jcastro7732/Yggdrasil-Project
546			_aTextos en inglés con resúmenes en español e inglés
650		0	_aRedes Neuronales _912613
650		0	_aAprendizaje automático _912923
650		0	_aCognitio _916082
650		0	_aNeural networks _912621
650		0	_aMachine Learning _912667
650		0	_aVaticinor _916083
700	1		_aTerencio, Thibault _911676 _etutor
710	1		_aUniversidad de Investigación de Tecnología Experimental Yachay. _911232 _bEscuela de Ciencias Químicas e Ingeniería
856			_uhttp://repositorio.yachaytech.edu.ec/handle/123456789/736 _zVer recurso
942			_2ddc _cTIC
999			_c4715 _d4715