ИИ научили вычислять скорость химических реакций по данным оптимизации выхода

Проблема: оптимизация и кинетика — две разные задачи

Традиционно в органическом синтезе существуют два отдельных подхода:

1. Оптимизация выхода — экспериментатор варьирует концентрации, температуру, порядок добавления реагентов, чтобы найти условия с максимальным выходом целевого продукта.
2. Кинетический анализ — серия отдельных экспериментов, в которых отслеживается изменение концентраций во времени для понимания механизма реакции.

Эти задачи требуют разных экспериментов и часто выполняются разными группами исследователей. Профессор Хироюки Исобэ из Департамента химии Токийского университета поясняет:

«Годами химики воспринимали это как две разные цели. Мы оптимизируем реакции для максимального выхода, а если хотим понять механизм — проводим ещё одну серию экспериментов с отслеживанием во времени. Наша цель с CYAN — объединить эти два направления».

Как работает CYAN

Метод состоит из двух этапов:

Этап 1. Машинное обучение расширяет данные.
Алгоритм заполняет пробелы между экспериментальными точками, создавая более полную картину зависимости выхода от условий (концентрации, времени и т.д.).

Этап 2. Химик применяет уравнения скорости.
На основе гипотезы о механизме реакции исследователь применяет к расширенным данным уравнения скорости и извлекает константы скоростей отдельных стадий.

Таким образом, один набор экспериментов служит и для оптимизации, и для кинетического анализа.

Тест на никель-опосредованной реакции

Для проверки метода команда изучила никель-опосредованную реакцию, используемую для построения крупных кольцевых углеродных молекул. CYAN успешно извлёк кинетическую информацию из данных оптимизации и выявил неожиданный эффект.

Оказалось, что никель не только ускоряет образование целевого кольца, но и замедляет побочную реакцию, которая давала бы нежелательные продукты. Это комбинированное действие направляет процесс к единственному целевому продукту, а не к смеси.

«Результат с никелем нас удивил, потому что он замедлял часть реакции — казалось бы, это должно ухудшать синтез, а не улучшать. Это можно представить как реку, разделяющуюся на два русла. Если одно русло сужается, больше воды естественно идёт по другому пути. Мы полагаем, что никель создаёт похожий эффект, ограничивая один конкурирующий путь и позволяя реакции сосредоточиться на образовании целевого кольца», — объясняет Исобэ.

Исследователь отмечает, что «темплатный эффект» обычно воспринимается как ускорение реакции, но здесь он сработал наоборот — замедлил часть процесса. Это открытие может быть полезно при дизайне других металл-темплатных реакций.

Работа с историческими данными

Отдельный результат исследования — применимость CYAN к архивным экспериментальным данным. В одном из тестов учёные использовали данные химических экспериментов 176-летней давности и получили константу скорости, согласующуюся с современными значениями.

Это означает, что тысячи опубликованных наборов данных могут быть пересмотрены для извлечения скрытой кинетической информации без проведения новых экспериментов.

Ограничения и перспективы

Авторы подчёркивают, что CYAN дополняет, а не заменяет традиционные кинетические эксперименты. Когда требуются высокоточные измерения, анализ во времени остаётся необходимым. Однако CYAN даёт практический способ извлекать кинетическую и механистическую информацию из данных оптимизации, что помогает исследователям проектировать новые синтетические методы и эффективнее использовать как новые, так и уже опубликованные данные.

Что это значит для промышленной химии

Для предприятий, занимающихся синтезом и оптимизацией химических процессов, подход CYAN открывает практические возможности:

1. Сокращение экспериментов. Меньше времени на кинетические исследования — больше на масштабирование.
2. Повторное использование данных. Архивы оптимизационных экспериментов можно пересмотреть и извлечь из них кинетику.
3. Точная настройка катализаторов. Понимание того, какие стадии замедляются, а какие ускоряются, позволяет точнее подбирать катализаторы и условия.
4. Снижение затрат на R&D. Меньше экспериментов — ниже стоимость разработки новых процессов.

Если ваше предприятие работает над оптимизацией синтеза или подбором катализаторов, наши специалисты готовы обсудить, как современные вычислительные подходы могут быть интегрированы в ваши технологические процессы.