高通量实验和机器学习辅助优化催化交叉二度化硫化的硫化
Yougen Xu1,2, Yadong Gao1, Lebin Su1,2
1Guangzhou National Laboratory, Guangzhou, 510005, PR China.
这项研究引入了一种使用催化和机器学习合成有价值的新方法. 该方法将高通量实验与人工智能相结合,以高效地实现硫化的选择性交叉分离.
科学领域:
- 有机化学 有机化学
- 催化剂是一种催化剂.
- 机器学习 机器学习
背景情况:
- 硫氧化是有机合成中的多功能合成物.
- 为它们的转化开发选择性催化方法仍然是一个挑战.
- 传统方法往往涉及危险的试剂或缺乏效率.
研究的目的:
- 开发一种新的,高效的方法,用于选择性交叉二聚化硫化.
- 合成具有高立体选择性的有价值的不对称的E-基.
- 整合高通量实验 (HTE) 和机器学习 (ML) 进行反应优化和预测.
主要方法:
- 使用催化剂进行交叉二分化反应.
- 采用高通量实验 (HTE) 来探索广泛的反应条件.
- 开发了一种机器学习 (ML) 模型来预测反应产量.
- 进行实验和计算研究以阐明反应机制.
主要成果:
- 首次实现了硫氧化的选择性交叉二元化.
- 在良好的产量和高立体选择性中合成了多种胺,,和N-异环替代的E-基.
- 证明了一种温和的反应协议,避免了二化合物,具有很高的阶段经济和功能组兼容性.
- 确定了一种胺 - 硫烯化物为关键的碳素前体.
结论:
- 结合的HTE和ML方法为催化剂发现和反应优化提供了一个强大的平台.
- 这种新的方法提供了一种方便,高效和有选择性的途径,以获得有价值的烯产品.
- 开发的方法在有机合成中具有广泛的适用性,特别是用于构建复杂分子.
更多相关视频
10:14Synthesis and Purification of Iodoaziridines Involving Quantitative Selection of the Optimal Stationary Phase for Chromatography
Published on: May 16, 2014
12:27Synthesis of Hypervalent Iodonium Alkynyl Triflates for the Application of Generating Cyanocarbenes
Published on: September 8, 2013
相关概念视频
Oxidation of Alkenes: Syn Dihydroxylation with Osmium Tetraoxide
Diazonium Group Substitution with Halogens and Cyanide: Sandmeyer and Schiemann Reactions
Oxymercuration-Reduction of Alkenes
Radical Reactivity: Intramolecular vs Intermolecular
Preparation and Reactions of Sulfides
Cycloaddition Reactions: MO Requirements for Photochemical Activation
