摘要
对催化有机反应机理的理解对于设计新的催化剂、反应模式和发展更绿色、更可持续的化学过程至关重要1，2，3.，4，5，6，7，8，9，10，11，12，13．动力学分析是力学阐发的核心，它有助于从实验数据直接检验力学假设。传统上，动力学分析依赖于初始速率的使用14对数图，以及最近的视觉动力学方法15，16，17，18，结合数学速率定律推导。然而，速率定律的推导及其解释需要大量的数学近似，因此，它们容易出现人为错误，并且仅限于在稳态下只有几个步骤的反应网络。在这里，我们展示了一个深度神经网络模型可以被训练来分析普通的动力学数据，并自动阐明相应的机构类，而不需要任何额外的用户输入。该模型以出色的精度识别了各种各样的机制类别，包括脱离稳态的机制，例如那些涉及催化剂激活和失活步骤的机制，并且即使在动力学数据包含大量误差或只有几个时间点时也能出色地执行。我们的研究结果表明，人工智能引导的机理分类是一个强大的新工具，可以简化和自动化的机理说明。我们正在将这个模型免费提供给社区，我们预计这项工作将导致全自动有机反应发现和开发的进一步发展。
这是订阅内容的预览，通过你所在的机构访问
访问选项
访问《自然》和其他54种《自然》杂志
获取Nature+，我们最超值的在线订阅
每月29.99美元
随时取消
订阅这本杂志
收到51个印刷问题和在线访问
199.00美元一年
每期仅需3.90美元
租或购买这篇文章
只要这篇文章，只要你需要它
39.95美元
价格可能受当地税收的影响，在结账时计算
数据可用性
为训练、验证和测试而生成的数据集可从figshare获得:https://doi.org/10.48420/16965292．
代码的可用性
训练过的模型，权重和python脚本可从https://doi.org/10.48420/16965271．
参考文献
Simonetti, M.， Cannas, D. M.， Just-Baringo, X.， Vitorica-Yrezabal, I. J. & Larrosa, I.环金属化钌催化剂可以实现药物的晚期定向芳基化。Nat,化学。10， 724-731(2018)。
萨拉查，C. A.等。定制的醌支持高周转钯催化剂氧化C-H芳基化与O2．科学370， 1454-1460(2020)。
DiRocco, d.a.等人。一种立体选择性组装前药的多功能催化剂。科学356， 426-430(2017)。
李，T.等。基于胺氧化酶催化去对称的高效化学酶法生产Boceprevir双环脯氨酸中间体[3.1.0]。j。化学。Soc。134， 6467-6472(2012)。
尼尔森，L. P.，史蒂文森，C. P.，布莱克蒙德，D. G. &雅各布森，E. N.机械研究导致末端环氧化合物水解动力学分辨率的综合改善。j。化学。Soc。126， 1360-1362(2004)。
van Dijk, L.等人。Rh(I)催化不对称Suzuki-Miyaura偶联消旋烯丙基卤化物的机理研究。Catal Nat。4， 284-292(2021)。
Camasso, N. M. & Sanford, M. S.有机金属镍(IV)配合物的设计，合成和碳杂原子偶联反应。科学347， 1218-1220(2015)。
Milo, A.， Neel, A. J.， Toste, F. D. & Sigman, M. S.应用于手性阴离子催化的机械说明的数据密集型方法。科学347， 737-743(2015)。
布彻，t.w.等人。C-F键活化二氟亚甲基的去对称反应。自然583， 548-553(2020)。
Cho, E. J.等。钯催化芳酰氯的三氟甲基化。科学328， 1679-1681(2010)。
Hutchinson, G.， Alamillo-Ferrer, C. & Bures, J.机械指导设计的高效和对抗选择性氨基催化醛的α -氯化反应。j。化学。Soc。143， 6805-6809(2021)。
Schreyer, L.等人。受限酸催化乙醛烯醇酯的不对称单醛化反应。科学362， 216-219(2018)。
彼得斯，b.k.等。受锂离子电池化学启发，可扩展和安全的合成有机电还原。科学363， 838-845(2019)。
Michaelis, L. & Menten, M. L. Die Kinetik der Invertinwirkung。物化学。Z。49， 333-369(1913)。
反应过程动力学分析:复杂催化反应机理研究的有力方法论。Angew。化学。Int。艾德,心血管病。44， 4302-4320(2005)。
马修，J. S.等。pd催化的ArX偶联反应的动力学分析。j . Org。化学。71， 4711-4722(2006)。
确定催化剂中顺序的一种简单的图解方法。Angew。化学。Int。艾德,心血管病。55， 2028-2031(2016)。
Burés, J.变时间归一化分析:从浓度剖面反应顺序的一般图形说明。Angew。化学。Int。艾德,心血管病。55， 16084-16087(2016)。
Shi, Y.， Prieto, P. L.， Zepel, T.， Grunert, S. & Hein, J. E.自动化实验为化学中的数据科学提供动力。Acc。化学。Res。54， 546-555(2021)。
Burger, B.等人。一个移动的机器人化学家。自然583， 237-241(2020)。
贝达德，a.c.等人。可重构系统自动优化不同的化学反应。科学361， 1220-1225(2018)。
斯坦纳，S.等。由化学编程语言驱动的模块化机器人系统中的有机合成。科学363， eaav2211(2019)。
克劳塞特，沙利兹，C. R. &纽曼，M. E. J.经验数据中的幂律分布。暹罗牧师。51， 661-703(2009)。
Martinez-Carrion, A.等人。基于变时间归一化分析的催化剂活化与失活过程动力学处理。Angew。化学。Int。艾德,心血管病。58， 10189-10193(2019)。
伯纳奇，J. P. &墨菲，R. M.模型辨别和机制解释的动力学数据在蛋白质聚集研究。Biophys。J。96， 2871-2887(2009)。
分子机器学习:合成化学的未来?Angew。化学。Int。艾德,心血管病。59， 18860-18865(2020)。
Segler, m.h.s.， Preuss, M. & Waller, m.p.用深度神经网络和符号人工智能计划化学合成。自然555， 604-610(2018)。
Raissi, M.， Yazdani, A. & Karniadakis, G. E.隐藏流体力学:从流动可视化中学习速度和压力场。科学367， 1026-1030(2020)。
赫曼，J.， Schatzle, Z. & Noe, F.电子薛定谔方程的深度神经网络解。Nat,化学。12， 891-897(2020)。
希尔兹，B. J.等。贝叶斯反应优化作为化学合成的工具。自然590， 89-96(2021)。
Tunyasuvunakool, K.等。高度精确的蛋白质结构预测人类蛋白质组。自然596， 590-596(2021)。
Jumper, J.等。高度准确的蛋白质结构预测AlphaFold。自然596， 583-589(2021)。
Hueffel, J. A.等。科学374， 1134-1140(2021)。
海涛，X，陆俊杰，w & Lu, L. In第一届电子商务智能国际会议303-309(亚特兰蒂斯出版社，2010)。
巴蒂斯塔，g.e.a.p.a.等。在智能数据分析研究进展(法泽尔·Famili, A.等人)24-35(施普林格，2005)。
魏,人类。，Yuan, X.-J., Hu, Q.-H. & Wang, S.-Q. A novel measure for evaluating classifiers.专家系统。达成。37， 3799-3809(2010)。
李志刚，李志刚，李志刚，李志刚。动力学试验中的实验误差及其对估计参数精度的影响。第一部分一阶反应分析。化学。Eng。J。155， 816-823(2009)。
帕切科，H.， Thiengo, F.，施马尔，M. &平托，J. C.动力学问题中解释实验波动的动力学分布族。化学。Eng。J。332， 303-311(2018)。
达利森，M. G. &康沃尔-鲍登，A.酶动力学测量实验误差的性质。物化学。J151， 361-367(1975)。
Valko E。& Turányi, T. In Lindner, E.， Micheletti, A. & Nunes, C.(编辑)现实生活问题中的数学建模。工业数学https://doi.org/10.1007/978-3-030-50388-8_3(2020)。
Thiel, V.， Wannowius, K. J.， Wolff, C.， Thiele, c.m . & Plenio, H.环闭合复分解反应:转换时间数据的解释。化学。欧元。J。19， 16403-16414(2013)。
Joannou, M. V.， Hoyt, J. M. & Chirik, P. J.研究铁催化烯烃[2 + 2]环加成的分子间和分子内机制。j。化学。Soc。142， 5314-5330(2020)。
纳普，s.m.m.等人。铱螯合配合物催化烯烃异构化的机理研究。有机金属化合物33， 473-484(2014)。
Stroek, W.， Keilwerth, M.， Pividori, D. M.， Meyer, K. & Albrecht, M.一种利用有机叠氮化物催化分子内C-H胺化的铁中离子卡苯络合物。j。化学。Soc。143， 20157-20165(2021)。
Lehnherr, D.等。利用原位LED-NMR波谱发现光诱导暗催化循环。j。化学。Soc。140， 13843-13853(2018)。
路德维希，J. R.，齐默尔曼，P. M.， Gianino, J. B. & Schindler, C. S.铁(III)催化羰基烯烃复分解。自然533， 374-379(2016)。
奥尔布赖特，H.等。脂肪族酮羰基烯烃的催化复分解:铁(III)同二聚体作为路易斯酸性超亲电试剂。j。化学。Soc。141， 1690-1700(2019)。
杨斯·范·伦斯堡，W.， Steynberg, P. J.， Meyer, W. H.， Kirk, M. M. & Forman, G. S.钌催化烯烃复分解中底物诱导催化剂分解的DFT预测和实验观察。j。化学。Soc。126， 14332-14333(2004)。
范德艾德，E. F.和皮尔斯，W. E.机制洞察钌催化二烯环闭合复分解反应。Nat,化学。2， 571-576(2010)。
确认
我们感谢欧洲研究理事会的高级资助(no。833337至I.L.)和研究IT，以获得曼彻斯特大学计算共享设施的帮助和使用。感谢H. Plenio、P. J. Chirick、A. R. Chianese、M. Albrecht和C. S. Schindler为本研究提供了数值实验动力学数据。
作者信息
作者及隶属关系
贡献
I.L.和J.B.构思了这个项目。j。b。选择了来自ibm的机构，然后写了代码，创建了数据集，用来自ibm的输入训练了模型，然后j。b。分析了数据。I.L.和J.B.写了手稿。
相应的作者
道德声明
相互竞争的利益
作者声明没有利益竞争。
同行评审
同行评审信息
自然感谢Tiago Rodrigues和其他匿名审稿人对这项工作的同行评审所做的贡献。
额外的信息
出版商的注意施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。
扩展的数据图形和表格
扩展数据图1带有实验动力学数据的附加案例研究。
包括所研究的反应，作为ai模型输入的实验动力学数据及其输出。符号对应于底物浓度。红色三角形:最低催化剂负荷;黄色方块:催化剂中载;蓝色圆圈:最大催化剂负荷。数据来自ref。47．
补充信息
权利和权限
根据与作者或其他权利持有人签订的出版协议，自然或其许可方(例如，社会或其他合作伙伴)对本文拥有排他性权利;作者对这篇文章接受的手稿版本的自我存档仅受此类出版协议的条款和适用法律的约束。
关于本文
引用本文
Burés, J.， Larrosa, I.基于机器学习的有机反应机理分类。自然613， 689-695(2023)。https://doi.org/10.1038/s41586-022-05639-4
收到了：
接受：
发表：
发行日期：
DOI：https://doi.org/10.1038/s41586-022-05639-4
这篇文章被引用
机器学习对催化反应机制进行分类
自然(2023)
