PAULYGroup-Contribution-Ansatz (GCA)
Ein Group-Contribution-Ansatz – oft auch GCA (Quantitative Structure-Property Relationship) genannt – sagt eine Eigenschaft vorher, indem ein Molekül in bekannte strukturelle Fragmente, etwa funktionelle Gruppen, zerlegt wird und deren jeweils bekannter Beitrag zur Eigenschaft aufsummiert wird.
Dadurch sind Group-Contribution-Modelle einfacher und nachvollziehbarer als ein neuronales Netz: Jede Vorhersage lässt sich exakt auf die beitragenden Fragmente zurückführen. Der Preis dafür ist die Abdeckung – der Ansatz funktioniert nur zuverlässig, wenn sich ein Molekül in bereits bekannte und kalibrierte Fragmente zerlegen lässt, weshalb er bei strukturell ungewöhnlichen Chemikalien tendenziell weniger flexibel ist als ein graphbasiertes Modell.