Desarrollo guiado por el aprendizaje automático de los dímeros de trialquilfosfina y sus aplicaciones en la catálisis...

Área de la Ciencia:

• Química organometálica
• Catálisis
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• El diseño racional de catalizadores multinucleares se ve obstaculizado por correlaciones desconocidas entre metales y ligandos que afectan la especiación.
• La identificación de ligandos para estados específicos de oxidación de metales, geometrías y nuclealidades es un desafío.

Objetivo del estudio:

• Acelerar la identificación de ligandos adecuados para los dímeros de níquel con puente de dihalógeno derivados de triquilfosfina.
• Desarrollar un enfoque de aprendizaje automático para guiar el descubrimiento de ligandos en el diseño de catalizadores.

Principales métodos:

• Se empleó un flujo de trabajo de aprendizaje automático basado en suposiciones para predecir los ligandos adecuados.
• Dímero nuevo de níquel sintetizado experimentalmente basado en predicciones de ML.
• Exploró el potencial catalítico de los dímeros sintetizados.

Principales resultados:

• Se han sintetizado con éxito numerosos nuevos dímeros de níquel.
• Desarrolló un nuevo dímero, [Ni (I) (μ-Br) PAd2 (n-Bu) ]2, para la catálisis.
• Se ha demostrado la arilación selectiva C-I de arenas polihalogenadas en menos de 5 minutos a temperatura ambiente con una carga de catalizador de 0,2 mol %.

Conclusiones:

• El enfoque de aprendizaje automático guía efectivamente el descubrimiento de ligandos para la especiación de metales deseada.
• El nuevo dimer de níquel exhibe una eficiencia y una selectividad sin precedentes en las reacciones de C-I.
• Este trabajo ofrece una nueva vía para el diseño de catalizadores multinucleares avanzados.