Tácticas de optimización multiobjetivo basadas en datos para reacciones asimétricas catalíticas utilizando ligandos...

Área de la Ciencia:

• Catálisis
• Química orgánica
• Química computacional

Sus antecedentes:

• La optimización simultánea de múltiples objetivos de reacción (rendimiento, enantioselectividad, regioselectividad) en la catálisis es un desafío.
• Los ligandos de bisfosfina quiral juegan un papel crucial en el control de la selectividad en la síntesis asimétrica.

Objetivo del estudio:

• Desarrollar y demostrar un flujo de trabajo de aprendizaje automático para la optimización multiobjetivo de reacciones catalíticas utilizando ligandos quirales de bisfosfina.
• Mejorar el rendimiento, la enantioselectividad y la regioselectividad en reacciones secuenciales para la síntesis de ingredientes farmacéuticos activos.

Principales métodos:

• Construcción de una base de datos derivada de la teoría funcional de la densidad de más de 550 ligandos de bisfosfina.
• Desarrollo de una técnica de mapeo químico de diseño.
• Aplicación de métodos de clasificación para identificar catalizadores activos y regresión lineal para modelar la selectividad de las reacciones.

Principales resultados:

• Predicción y validación experimental de nuevos ligandos con un rendimiento significativamente mejorado en todos los objetivos de reacción.
• Se ha demostrado la optimización exitosa de dos reacciones secuenciales en síntesis asimétrica.
• Identificó una estrategia generalizable para la optimización del catalizador controlada por ligandos de bisfosfina.

Conclusiones:

• El flujo de trabajo de aprendizaje automático proporciona una estrategia efectiva para la optimización de múltiples objetivos en la catálisis.
• Este enfoque puede implementarse fácilmente para reacciones en las que los ligandos de bisfosfina dictan el rendimiento.
• Los hallazgos avanzan en el desarrollo de vías de síntesis asimétricas eficientes.