电合成已成为现代有机
化学中日益流行的平台,具有独特的特征和反应参数,如施加电流/电位、电极、电解质系统和电池设计。虽然这些独特的功能为
化学家提供了更多控制反应性和选择性的机会,但它们也增加了反应的维度并使变量之间的相互作用复杂化,使优化更具挑战性。在此,我们提出了一种机器学习(ML)工作流程,利用基于物理有机描述符的产量预测和正交实验设计,在采样多样性的需求和追求产量提高之间取得微妙的平衡,从而有效地确定对映选择性
钯电的理想条件-从广泛的合成空间催化成环。这项工作展示了有机电
化学和数据驱动方法协同解决多维
化学优化问题的潜力。