​题目：Organic reaction mechanism classification using machine learning

文献来源: Nature | Vol 613 | 26 January 2023 | 691

代码：https://doi.org/10.48420/16965271

简介：对催化有机反应的机理的理解,有助于设计新的催化剂、反应模式和发展更绿色、更可持续的化学过程。动力学分析是机制阐明的核心，通过促进直接测试来自实验数据的机制进行假设。传统上，动力学分析依赖于使用初始速率，数图，以及最近的视觉动力学方法，结合数学速率定律推导。然而，速率定律的推导及其解释需要大量的数学近似，因此，它们容易出现人为误差，仅限于在稳态下只有几个步骤的反应网络。在这里，作者展示了一个深度神经网络模型来分析普通的动力学数据，并自动阐明相应的机制类，而无需任何额外的用户输入。该模型识别了各种各样的机制，包括非稳态的机制，如涉及催化剂活化和失活步骤，即使动力学数据包含大量误差或只有几个时间点也表现出色。研究结果表明，人工智能引导的机制分类是一个强大的新工具，可以简化和自动化的机制阐明。作者正在向社区免费提供这个模型，我们预计这项工作将导致全自动有机反应发现和开发的进一步发展。

主要内容：

-------------------------------------------

欢迎点赞收藏转发！

下次见！