第一作者:李小波,Yu Che, Linjiang Chen通訊作者:李小波,Linjiang Chen?,Andrew I. Cooper,Edward O. Pyzer-Knapp通訊單位:浙江師范大學,英國伯明翰大學,IBM研究所,利物浦大學李小波,浙江師范大學雙龍特聘教授。長期致力于光催化劑開發及其在太陽能到化學能源轉化研究。(信息來源:https://smxy.zjnu.edu.cn/2022/0329/c17198a432077/page.htm)Linjiang Chen,英國伯明翰大學化學學院助理教授。
Andrew I. Cooper,全球材料化學領域領軍人物、英國皇家學會院士、利物浦大學材料創新工場學術主任。
Edward O. Pyzer-Knapp,IBM英國和愛爾蘭實驗室研究創新的負責人,利物浦大學客座教授。論文速覽 共軛有機光氧化還原催化劑(OPCs)能夠促進廣泛的化學反應。因為催化劑的活性取決于一系列復雜的相互關聯的屬性,目前從第一原理預測OPCs的催化活性還面臨挑戰。通常,通過設計和試錯的混合方式發現有機光催化劑和其他催化系統。本論文探討了數據驅動的方法,用于有機光氧化還原催化劑(OPCs)的有目標合成,以及金屬光氧化還原催化反應的后續優化。研究團隊通過貝葉斯優化策略結合分子描述符編碼關鍵物理屬性,從560個候選分子的虛擬庫中識別出有前景的OPCs。這種方法僅探索了2.4%的可用催化劑配方空間(在4500種可能的反應條件下,評估了107種),便發現了與銥(Ir)基催化劑相媲美的OPC配方。圖文導讀 圖1:順序閉環貝葉斯優化的工作流程。圖2:560個候選CNPs的虛擬庫。圖3:目標合成CNPs用于OPC發現。圖4:SHAP分析確定光催化劑活性的重要分子特征。圖5:反應條件優化。圖6:CNP-127活性與已構建光氧化還原催化劑的比較。總結展望 本研究通過貝葉斯優化策略,有效地從大量候選分子中識別出了高性能的OPCs,實現了高達88%的交叉偶聯反應產率,可以與Ir基催化劑相媲美。研究亮點包括:1. 僅通過探索一小部分化學空間即發現高效OPCs。2. SHAP分析為理解模型預測提供了全局和局部的解釋,識別了影響CNPs光催化活性的重要分子特征。3. 貝葉斯優化是發現金屬光催化劑配方的有前景的方法,尤其適用于存在巨大搜索空間和有限先驗知識的研究挑戰。文獻信息標題:Sequential closed-loop Bayesian optimization as a guide for organic molecular metallophotocatalyst formulation discovery期刊:Nature ChemistryDOI:10.1038/s41557-024-01546-5