丁梦宁、黎书华、程旭课题组合作发展出"电化学反应描述符"体系实现电有机合成产率预测

近日,南京大学化学化工学院丁梦宁课题组、黎书华课题组及程旭课题组合作完成了对于不同机制电有机合成反应的电化学系统参数研究,并成功发展出“电化学反应描述符(electro-descriptor)”体系用于不同底物和反应条件下电有机合成产率的描述符热点图及机器学习预测。

电化学有机合成作为一种绿色可持续的多功能合成平台引起了学术和产业界的广泛关注。对电有机反应的反应热力学,界面动力学和化学耦合过程的定量评估,既凸显了电化学合成的独特性,又可以借助电分析手段及数据分析方法的创新,用以指导新型合成路线的设计和发展。在这一工作中,作者系统研究了三种具有典型电化学反应机理(EEC, Org. Lett201921, 7759−7762; ECEC, Angew. Chem. Int. Ed.201857, 5695–5698; EC, ACS Catal20188, 1192−1196)的电有机反应的热力学、电极动力学等参数和反应产率的关联,从不同反应底物及条件的相应电化学循环伏安曲线中提取相关电化学参数(如起始电势、Tafel斜率、有效电压、峰电位及半波电位)用作评估及预测相应反应产率的“电化学反应描述符”。通过绘制三维或二维“电描述符图”,发现其中对应较高产率的数据点与对应较低(或不反应)产率的数据点在图中显示出明显的边界,即高产率的数据点集中在电化学描述符图中的“热区”。

图1. 具有反应热区的三维或二维电化学描述符图

利用电化学描述符数据集,作者进一步通过机器学习算法,以及从电化学描述符图中的直接定位证明了电化学描述符对反应产率的成功预测。这种分析和预测方法可以在开发新型电有机合成方法(使用典型的试错法)时帮助节省大量时间和资源。在未来的研究中,通过将该方法与高通量实验和快速伏安法进行集成,电化学描述符系统将有望成为用于电有机合成高通量底物筛选和条件优化的通用且有效的工具。

图2. 通过电化学描述符,实现对于未知底物/反应条件下反应产率的机器学习或可视化预测

该成果以Electro-descriptors for the performance prediction of electro-organic synthesis为题在Angew. Chem. Int. Ed. 上在线发表(DOI: 10.1002/anie.202014072)。论文的共同第一作者为我院2015级本科生陈宇轩(现斯坦福大学2019级博士生)和我院2015级本科生田栢麟(现我院2019级硕士生),18级博士生程正为第三作者,丁梦宁教授和黎书华教授为该论文的通讯作者。此项研究工作得到了江苏省自然科学基金(BK20180321)、中央高校科研经费(020514380224)、国家自然科学基金(21833002, 21673110)等项目的支持。文章链接为https://doi.org/10.1002/anie.202014072