欧美日韩亚洲综合久久久-亚洲一区无码视频在线观看-91精品国产综合福利线观看久久-亚洲性夜夜综合久久麻豆-99国产精品热久久久久久夜夜嗨

2024年4月19日，德國哥廷根大學(xué)Lutz Ackermann教授和浙江大學(xué)化學(xué)系洪鑫教授在Chem期刊上合作發(fā)表了“Machine Learning-Guided Yield Optimization for Palladaelectro- Catalyzed Annulation Reaction”的研究工作。該成果報(bào)道了一種新型的數(shù)據(jù)驅(qū)動(dòng)反應(yīng)優(yōu)化策略，將基于物理有機(jī)描述符的產(chǎn)率預(yù)測(cè)和正交實(shí)驗(yàn)設(shè)計(jì)相結(jié)合，同時(shí)平衡了采樣多樣性和目標(biāo)產(chǎn)率提升，實(shí)現(xiàn)了海量條件組合的高效探索，成功預(yù)測(cè)了電化學(xué)鈀催化環(huán)化反應(yīng)的優(yōu)勢(shì)條件，充分展示了人工智能建模技術(shù)在合成化學(xué)反應(yīng)優(yōu)化領(lǐng)域的潛力。

隨著化學(xué)大數(shù)據(jù)和人工智能技術(shù)的跨越式發(fā)展，數(shù)據(jù)驅(qū)動(dòng)的反應(yīng)優(yōu)化策略近年來引起了廣泛關(guān)注。由于合成反應(yīng)構(gòu)效關(guān)系高維且復(fù)雜的特性，催化劑、反應(yīng)物、甚至溶劑細(xì)微的結(jié)構(gòu)變化都可能引起反應(yīng)產(chǎn)率的顯著改變，為合成反應(yīng)的條件優(yōu)化提出了重要挑戰(zhàn)。

在該文中，作者采用主動(dòng)學(xué)習(xí)框架對(duì)電化學(xué)Pd催化環(huán)化反應(yīng)的條件（圖1a）進(jìn)行優(yōu)化。該智能建模策略的核心在于，將傳統(tǒng)的貪心優(yōu)化策略中融入了正交實(shí)驗(yàn)設(shè)計(jì)作為約束，從而提升條件空間取樣的多樣性，并根據(jù)優(yōu)化進(jìn)度逐級(jí)放寬正交約束，從而平衡對(duì)于采樣多樣性和采樣目標(biāo)提升的雙重需求。在該策略中，以少量符合正交約束的實(shí)驗(yàn)作為初始數(shù)據(jù)集，結(jié)合機(jī)器學(xué)習(xí)建模的產(chǎn)率預(yù)測(cè)和基于化學(xué)維度的正交性約束，通過主動(dòng)學(xué)習(xí)指導(dǎo)下一輪實(shí)驗(yàn)設(shè)計(jì)，并將實(shí)驗(yàn)結(jié)果反饋于機(jī)器學(xué)習(xí)模型，不斷更新迭代，直至產(chǎn)率符合優(yōu)化目標(biāo)為止（圖1b）。