高通量实验和机器学习加速有机磷化合物的合成  

High-throughput experimentation and machine learning accelerated synthesis of organophosphorus compounds

作　　者：刘裕邦 柯卓锋 Liu Y;Ke Z

机构地区：[1]中山大学材料科学与工程学院,聚合物复合材料及功能材料教育部重点实验室,广东省低碳化学与过程节能重点实验室,广州510006

出　　处：《中国科学:化学》2025年第3期539-541,共3页SCIENTIA SINICA Chimica

摘　　要：在合成化学中,探索新的催化方法往往需要大量试错[1].因此,开发能够预测新反应的模型显得尤为重要,因为在处理新底物时,结果往往存在高度不确定性.近年来,机器学习(machine learning, ML)已逐渐成为合成化学家手中的一件利器,并成功用于有效预测许多经典偶联反应的产率[2].高质量的数据在人工智能(artificial intelligence, AI)化学领域中起着关键作用[3],尽管上述研究取得了显著进展,但由于收集标准化反应数据的困难,基于机器学习开发新反应方法的模型仍然充满挑战.

关 键 词：机器学习 有机磷化合物 合成化学 反应数据 人工智能 高度不确定性 偶联反应 化学领域 

分 类 号：O627.51[理学—有机化学] TP181[理学—化学]