Angew. Chem. Int. Ed. | 大数据训练下学习反应机理

文章预览

DRUG AI 今天为大家介绍的是来自麻省理工学院化学工程系的Connor W. Coley团队的一篇论文。反应机理反应理解可以促进反应开发、杂质预测，并在原则上有助于发现新的反应。尽管已有若干机器学习模型试图解决反应产物预测的问题，但由于缺乏相应的反应机理数据集，这些模型在预测反应机制方面的扩展受到了阻碍。在本研究中，作者通过使用专家反应模板推算实验报告中的反应物和产物之间的中间体，构建了这样一个数据集，并在由5,184,184个基本步骤组成的数据集上训练了多个机器学习模型。作者探讨了这些模型的性能和能力，重点是它们预测反应路径以及重现催化剂和试剂作用的能力。此外，作者展示了反应机理模型在预测常规模型常常忽略的杂质方面的潜力。最后，作者评估了反应机理模型对新反应类型的普适性，揭示了数据集多样性、连 ………………………………