【物化】电化学描述符：光催化反应动力学分析及机器学习预测

文章预览

近年来，光催化反应因其高效率、绿色、可持续性以及广泛的应用范围，已成为合成化学研究领域的一个热点。然而，光催化反应过程复杂，涉及到底物、光催化剂、溶剂、介质、添加剂、电极材料及光照条件等众多参数间的精细相互作用，反应参数空间庞大。因此，基于经典量子化学计算获取单一物种相关结构参数（描述符）的通用方法，在训练高效机器学习模型、准确预测反应性能上面临严峻挑战，尤其是在构建针对该类反应的非平衡（小样本）数据集机器学习模型时。挑战的核心在于，基于量子化学计算得到的反应描述符在全面、真实地捕捉所有反应条件下的微小变化以及反应物种间错综复杂的微观相互作用方面存在局限。 近日， 南京大学 化学化工学院 丁梦宁 课题组和 黎书华 、 王国强 课题组合作，针对光催化羧酸与烯烃的脱羟基耦联 ………………………………