深入了解各类化学物质的最佳一般反应条件，可以加速创新和药物发现，并使复杂的化学过程自动化且易于使用，对生物医药、材料研究具有重要意义。
然而，有机反应的一般条件很重要但很少见，以往识别它们的研究通常只考虑化学空间的狭窄区域。发现更一般的反应条件需要考虑从与反应条件的高维矩阵交叉的大基质基质衍生的广阔化学空间区域，使得详尽的实验不切实际。
在这里，伊利诺伊大学厄巴纳-香槟分校以及来自波兰、加拿大的研究人员报告了一个简单的闭环工作流程，该工作流程利用数据引导矩阵向下选择、不确定性最小化机器学习和机器人实验来发现一般反应条件。
应用于杂芳基 Suzuki-Miyaura 交叉偶联的具有挑战性和后果性的问题，确定了相对于先前使用传统方法开发的广泛使用的基准而言平均产量翻倍的条件。为解决具有大搜索空间的多维化学优化问题提供了实用的路线图。
该研究以「Closed-loop optimization of general reaction conditions for heteroaryl Suzuki-Miyaura coupling」为题，于 2022 年 10 月 27 日发布在《Science》。
论文链接：https://www.science.org/doi/10.1126/science.adc8743
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢