有机
化学家可合成的分子结构决定了他们可以创造的分子功能。因此,
化学反应的发明和发展对于
化学家在有机
化学的所有学科中获得新的和理想的功能分子至关重要。这项工作旨在通过设计一个机器学习引导的反应发现工作流程来加快对有机
化学新兴领域的探索。具体来说,这项研究使用机器学习来预测有效的电
化学反应。为此,我们首先开发了一种分子表征,能够在训练数据有限的情况下生成通用模型。接下来,我们采用自动化实验来测试大量的电
化学反应。这些反应被归类为感受态或非感受态混合物,并训练了一个分类模型来预测反应能力。该模型用于在计算机中筛选 38,865 种潜在反应,并且预测用于识别许多具有合成或机械意义的反应,其中 80% 被发现是有效的。此外,我们还提供了 38,865 个成员集的预测,以期加速该领域的发展。我们设想采用这样的工作流程可以促进许多
化学领域的快速发展。865 名成员,希望加速这一领域的发展。我们设想采用这