- 首頁
- 資訊
Nat. Syn.：浙大洪鑫課題組與合作者在基于數(shù)據(jù)驅(qū)動的人工智能合成方面取得進展
來源：國家自然科學(xué)基金委員會 2023-02-09
導(dǎo)讀：在國家自然科學(xué)基金項目（批準(zhǔn)號：21873081、22122109）等資助下，浙江大學(xué)化學(xué)系洪鑫課題組與合作者德國哥廷根大學(xué)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(tài)知識的機器學(xué)習(xí)實現(xiàn)鈀電催化氧化碳?xì)滏I活化反應(yīng)的對映選擇性預(yù)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(fā)表于《自然?合成》（Nature Synthesis）。
圖 基于過渡態(tài)知識的反應(yīng)建模策略不對稱合成是構(gòu)筑手性分子的核心策略，提升單一手性構(gòu)筑水平是不對稱合成研究的長期焦點。由于手性結(jié)構(gòu)與對映選擇性之間高維且復(fù)雜的構(gòu)效關(guān)系，準(zhǔn)確、全面地掌握手性調(diào)控規(guī)律極具挑戰(zhàn)，制約了不對稱合成體系的高效開發(fā)。因此，對映選擇性的精準(zhǔn)預(yù)測是不對稱合成研究的難點問題之一。從數(shù)據(jù)驅(qū)動的角度出發(fā)，該合作研究團隊將人工智能技術(shù)與經(jīng)典的過渡態(tài)理論相融合，提出了一種新的反應(yīng)建模策略，實現(xiàn)了對映選擇性的精準(zhǔn)預(yù)測，并定量評估了近百萬合成反應(yīng)的選擇性表現(xiàn)（圖）。該策略以過渡態(tài)模板結(jié)構(gòu)為基礎(chǔ)，將過渡態(tài)知識融入機器學(xué)習(xí)，通過編碼關(guān)鍵的反應(yīng)中心，為模型訓(xùn)練提供具有反應(yīng)路徑特異性的分子編碼。相較傳統(tǒng)的穩(wěn)態(tài)結(jié)構(gòu)編碼，基于過渡態(tài)編碼的模型取得了更加優(yōu)異的反應(yīng)表達(dá)和外推預(yù)測能力，在新催化劑、新底物預(yù)測等任務(wù)中均有良好表現(xiàn)，預(yù)測值與實驗值的R2達(dá)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(gòu)效空間的定量評估成為可能，文中對于846720個候選反應(yīng)進行了預(yù)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(xué)理論的信息化、數(shù)據(jù)化對于反應(yīng)智能建模的重要性，為數(shù)據(jù)驅(qū)動的合成反應(yīng)預(yù)測提供了新策略，有望在新催化劑、新試劑和新反應(yīng)設(shè)計等領(lǐng)域得到應(yīng)用。
論文鏈接：https://www.nature.com/articles/s44160-022-00233-y
聲明：化學(xué)加刊發(fā)或者轉(zhuǎn)載此文只是出于傳遞、分享更多信息之目的，并不意味認(rèn)同其觀點或證實其描述。若有來源標(biāo)注錯誤或侵犯了您的合法權(quán)益，請作者持權(quán)屬證明與本網(wǎng)聯(lián)系，我們將及時更正、刪除，謝謝。 電話：18676881059，郵箱：gongjian@huaxuejia.cn
在線客服
快速發(fā)布
我的店鋪
我的化學(xué)加
我的消息
我要充值
回到頂部
