- 首頁
- 資訊
Nat. Syn.:浙大洪鑫課題組與合作者在基于數據驅動的人工智能合成方面取得進展
來源:國家自然科學基金委員會 2023-02-09
導讀:在國家自然科學基金項目(批準號:21873081、22122109)等資助下,浙江大學化學系洪鑫課題組與合作者德國哥廷根大學Lutz Ackermann教授在人工智能合成方面取得進展。研究成果以“基于過渡態知識的機器學習實現鈀電催化氧化碳氫鍵活化反應的對映選擇性預測(Enantioselectivity prediction of pallada-electrocatalyzed C–H activation using transition state knowledge in machine learning)”為題,于2023年1月30日在線發表于《自然?合成》(Nature Synthesis)。
不對稱合成是構筑手性分子的核心策略,提升單一手性構筑水平是不對稱合成研究的長期焦點。由于手性結構與對映選擇性之間高維且復雜的構效關系,準確、全面地掌握手性調控規律極具挑戰,制約了不對稱合成體系的高效開發。因此,對映選擇性的精準預測是不對稱合成研究的難點問題之一。從數據驅動的角度出發,該合作研究團隊將人工智能技術與經典的過渡態理論相融合,提出了一種新的反應建模策略,實現了對映選擇性的精準預測,并定量評估了近百萬合成反應的選擇性表現(圖)。該策略以過渡態模板結構為基礎,將過渡態知識融入機器學習,通過編碼關鍵的反應中心,為模型訓練提供具有反應路徑特異性的分子編碼。相較傳統的穩態結構編碼,基于過渡態編碼的模型取得了更加優異的反應表達和外推預測能力,在新催化劑、新底物預測等任務中均有良好表現,預測值與實驗值的R2達到了0.910,平均絕對誤差為0.260 kcal/mol。該智能建模策略使得海量構效空間的定量評估成為可能,文中對于846720個候選反應進行了預測,并實驗驗證了其中代表性的例子,充分彰顯了人工智能合成的潛力。該工作揭示了化學理論的信息化、數據化對于反應智能建模的重要性,為數據驅動的合成反應預測提供了新策略,有望在新催化劑、新試劑和新反應設計等領域得到應用。
論文鏈接:https://www.nature.com/articles/s44160-022-00233-y
聲明:化學加刊發或者轉載此文只是出于傳遞、分享更多信息之目的,并不意味認同其觀點或證實其描述。若有來源標注錯誤或侵犯了您的合法權益,請作者持權屬證明與本網聯系,我們將及時更正、刪除,謝謝。 電話:18676881059,郵箱:gongjian@huaxuejia.cn