27、智能合成：化学领域的机器学习应用

智能合成：化学领域的机器学习应用

在化学研究领域，智能合成正逐渐成为一种趋势，机器学习（ML）技术在其中发挥着重要作用。它不仅能辅助化合物的分离纯化，还在反应发现、优化以及自优化等方面展现出巨大潜力。

1. 化合物极性与纯化条件预测

Mo 团队利用自动化平台进行薄层色谱（TLC）分析，在 17 种溶剂条件下，从 387 种化合物中高通量收集了 4944 个标准化的比移值（Rf）。通过机器学习方法构建了有机化合物结构与其极性（由 Rf 反映）之间的替代模型。该模型能够根据有机化合物在不同溶剂组合中的 Rf 值曲线预测，为选择纯化条件提供通用指南，还能通过预测 Rf 值的差异来预测多种化合物分离的概率。

2. 反应发现

新反应的发现本质上具有不可预测性、耗时且费力。在探索新反应时，初始条件往往不理想，若目标分子以微量产物形式出现，尤其是在微纳尺度下，很容易被忽视。此时，去卷积算法可用于突出这些微量峰，将其视为潜在的新反应产物。

• Cronin 团队的研究 ：由支持向量机（SVM）控制的合成机器人显著加速了有机反应的发现。该机器人从起始材料池中选择反应物进行反应，并通过在线分析实时监测反应结果。机器学习用于构建化学空间模型，推荐下一步实验并控制机器人。该系统不仅能比人工更快地进行和分析反应，还能通过基于机器学习的决策过程，以超过 80%的准确率预测约 1000 种反应组合的反应性。此外，化学家通过手动跟进预测结果，成功发现了四种反应。
• Zahrt 团队的研究 ：将机器学习应用于电化学反 应的发现。首先开发了一种分子表示方法，能够用有限的训练数据