機械学習による限られた実験データの活用:コリー・バクシ・シバタ還元におけるメチルとエチル群の区別

科学分野:

• カタリシス
• 機械学習
• 有機化学

背景:

• ブタノンのコリー・バクシ・シバタ (Corey-Bakshi-Shibata) 還元は,メチルとエチル群の差異化において重要な課題を提示する.
• 現存する無金属触媒と酵素系は,この反応に対する選択性が限られている.

研究 の 目的:

• ブタノンのCBS還元のための無金属触媒の選択性を向上させる.
• 加速した触媒設計と最適化のための機械学習を活用する.

主な方法:

• 約100件の反応を構成する高品質のデータセットを構成した.
• ギブス活性化エネルギー差 (ΔΔG‡) を予測するために,キー・インターミディアット・グラフ (基板と触媒) を用いて機械学習モデルを訓練した.
• 改善された選択性のために触媒を選択し,スクリーンにモデルを使用しました.

主要な成果:

• ブタノンのCBS還元に最適化された無金属触媒を用いて80%のエナティオメール過量 (ee) を達成した.
• 以前に報告された無金属触媒 (60% ee) と酵素系 (64% ee) の選択性を上回った.
• 相対 ΔG‡ の> 50% の改善 (0. 9 から 1.4 kcal mol−1) を示した.

結論:

• 機械学習とキー・インターメディエイト・グラフのアプローチは,小さなデータセットを使用して,触媒設計を効果的に加速します.
• このデータ中心の戦略は 合成化学における触媒の最適化に 有力な設計図を提供します
• この研究は,複雑な化学的課題に取り組むために,合成化学と機械学習の連携を強調しています.