机器学习+催化 登上最新Science

材料人 2021-11-26 09:30

01

【引言】

均相金属催化剂的形态是反应性、效率和选择性的关键决定因素。然而,决定催化剂的核素(如单体与二聚体)、有利的氧化态以及催化剂的连接态常常几乎不被理解。例如,在广泛应用的Pd催化交叉偶联的背景下,Pd(0)[P(t-Bu)3]2与芳基溴的氧化加成在原位生成Pd(I)二聚体,当P(t-Bu)3被Ph2PH取代时,相同的Pd(I)二聚体转化为Pd三聚体。对于非贵金属物种(如Fe、Co、Cu或Ni催化剂))来说,这种形态形成的挑战进一步加剧,对于这些非贵金属物种来说,除了氧化态和核态之外,细微的配体差异可能会影响其有利的自旋态。显然,配位体的性质严重影响了物种的形成。然而,每个配体影响的根本原因很少被理解或可预测。


02

【成果简介】

今日,在德国亚琛工业大学Franziska Schoenebeck团队等人带领下,报告了一个仅使用5个实验数据点的无监督机器学习工作流程。它利用了通用参数数据库,并辅以特定问题的计算机数据采集和聚类。团队展示了钯(Pd)催化剂形态形成的这一具有挑战性的问题,目前缺乏一个机理。从348个配体的总空间中,该算法预测并通过实验验证了许多膦配体(包括以前从未合成的配体),它们在更常见的Pd(0)和Pd(II)物种上产生双核Pd(I)配合物。相关成果以题为“Accelerated dinuclear palladium catalyst identification through unsupervised machine learning”发表在了Science


03

【图文导读】
图1 工作的背景
2 数据生成和聚类
3 预测和实验测试
文献链接:Accelerated dinuclear palladium catalyst identification through unsupervised machine learning(Science,2021,DOI:10.1126/science.abj0999)
本文由木文韬供稿。

本内容为作者独立观点,不代表材料人网立场。

未经允许不得转载,授权事宜请联系kefu@cailiaoren.com。


04

【产品推荐】
今天Science还报道了其他材料科研进展,我们均已收录入材料人产品库。
1、磁畴和莫尔磁的直接可视化
晶体中原子的周期性排列决定了它们的基本性质。
2、甲醛中的轨道共振
漫游的化学反应机制涉及到一个有能量的分子近解离成自由基,从而导致在长距离重新定向后的分子内反应。

投稿邮箱
tougao@cailiaoren.com
投稿以及内容合作可加微信
cailiaorenVIP
推荐阅读