在化工研發(fā)中，催化劑的設(shè)計(jì)決定了工藝開發(fā)的速度、成本與產(chǎn)率。但真正實(shí)現(xiàn)體系化研究極具挑戰(zhàn)，具體而言，電子效應(yīng)、空間效應(yīng)、溶劑環(huán)境、構(gòu)象柔性與過渡態(tài)穩(wěn)定性等因素高度耦合，且對催化劑的骨架或取代基稍作改變，其結(jié)構(gòu)空間就會(huì)呈指數(shù)級膨脹，產(chǎn)生成百上千的候選結(jié)構(gòu)。雖然“分子模擬×AI”的趨勢愈發(fā)明顯，但如Catalysis-Hub、OpenCatalystProject現(xiàn)有平臺(tái)仍偏數(shù)據(jù)庫模式，無法圍繞具體體系做深度定制，也難以讓分子模擬、自動(dòng)化計(jì)算與機(jī)器學(xué)習(xí)真正閉環(huán)協(xié)同。因此，一個(gè)真正可落地、能大幅降低試錯(cuò)成本的“一體化催化劑智能設(shè)計(jì)平臺(tái)”成為解決企業(yè)催化劑研發(fā)難題的迫切需求。鑒于此，我們開發(fā)了新的催化劑平臺(tái)：只需輸入催化劑結(jié)構(gòu)與實(shí)驗(yàn)數(shù)據(jù)，即可自動(dòng)采集催化反應(yīng)中的關(guān)鍵結(jié)構(gòu)、構(gòu)建分子集合、生成機(jī)理相關(guān)描述符并構(gòu)建性能預(yù)測模型，全流程自動(dòng)化、低門檻。

 圖1. 選擇的測試反應(yīng):8-氨基喹啉移氫化反應(yīng)

    為了驗(yàn)證平臺(tái)對真實(shí)體系的適配能力，我們復(fù)現(xiàn)了發(fā)表在頂級期刊Chem的手性磷酸（CPA）催化體系(Chem,2023,9(6):1518-1537.)。原研究以8-氨基喹啉氫化為模型反應(yīng)，使用高精度DFT（PW6B95(D3)/cc-pVTZ//PW6B95(D3)/6-31G+(d,p)）計(jì)算了500+描述符，這個(gè)過程包括篩選出20個(gè)訓(xùn)練集分子，對它們進(jìn)行構(gòu)象搜索、DFT幾何結(jié)構(gòu)優(yōu)化、高精度能量計(jì)算以及量子化學(xué)描述符計(jì)算，最終以最低能量構(gòu)象中氮原子的Hirshfeld電荷與磷酸氧的CHELPG最小電荷作為雙參數(shù)模型解釋反應(yīng)選擇性。我們將論文中提供的結(jié)構(gòu)與實(shí)驗(yàn)數(shù)據(jù)輸入平臺(tái)后，系統(tǒng)自動(dòng)完成三步：采集催化劑實(shí)驗(yàn)性能數(shù)據(jù)；識(shí)別反應(yīng)過程中不同類別的骨架結(jié)構(gòu)；并自動(dòng)為不同骨架補(bǔ)全取代基生成多批候選分子。隨后平臺(tái)在后臺(tái)自動(dòng)完成結(jié)構(gòu)優(yōu)化、描述符計(jì)算與模型訓(xùn)練，用戶幾乎無需額外操作。需要說明的的是我們催化劑平臺(tái)靈活度高，支持多個(gè)精度的計(jì)算化學(xué)計(jì)算方法，以及內(nèi)嵌多種機(jī)器學(xué)習(xí)模型方法。該測試案例選擇基于低精度的xTB計(jì)算方法，預(yù)測模型根據(jù)預(yù)測效果自動(dòng)化選擇。

以下為各步驟具體內(nèi)容：

第一步：采集多個(gè)催化劑的反應(yīng)參數(shù)數(shù)據(jù)以及催化性能數(shù)據(jù)，如下圖2所示；

 圖2. 催化劑的反應(yīng)參數(shù)數(shù)據(jù)以及催化性能數(shù)據(jù)

第二步：采集多個(gè)催化劑的不同類別反應(yīng)過程的分子骨架，以及對分子骨架的關(guān)鍵信息進(jìn)行采集，如下圖3所示；

 圖3. 催化反應(yīng)過程重要分子骨架結(jié)構(gòu)采集

第三步：針對性地對第一步中不同催化劑補(bǔ)充分子骨架的取代基，如下圖4所示。

 圖4. 催化反應(yīng)過程骨架取代基采集

    完成以上三步即完成了催化反應(yīng)輸入信息的采集，接下來經(jīng)過自動(dòng)化計(jì)算后，即可完成預(yù)測模型的構(gòu)建，如下圖5所示是最終訓(xùn)練的預(yù)測模型。通過篩選可以得到最終選擇性模型（如下圖6所示）和產(chǎn)率模型（如下圖7所示）。

相關(guān)標(biāo)簽