催化剂和底物之间的相互作用可能非常复杂和动态,通常使预测或理解此类过程的模型开发变得复杂。选择二
铑 (II) 催化的供体/供体卡宾 C-H 插入 2-烷氧基
二苯甲酮底物形成苯并二氢
呋喃作为模型系统,探索非线性方法以实现机理理解。我们发现,应用传统的多元线性回归 (MLR) 方法关联 DFT 衍生的催化剂和底物描述符会导致模型性能不佳。这启发了通过应用确定独立筛选和稀疏算子(SISSO)算法将非线性描述符关系引入建模。基于 SISSO 生成的描述符,确定了一个高性能 MLR 模型,可以很好地预测外部验证点。使用
化学空间图、决策树和线性描述符解构特征关系有助于机理解释。发现底物强烈依赖于空间效应来确定其固有的环化选择性偏好。然后可以将催化剂反应位点特征与产品特征相匹配,以在底物规定的范围内调整或覆盖所得的非对映选择性。本案例研究提出了一种通过使用非线性建模方法和通过模式识别进行线性反卷积来理解催化中经常遇到的复杂相互作用的方法。