贝叶斯反应优化作为化学合成的工具

　　反应优化是合成化学的基础，从优化工业过程的产量到选择药物候选物的条件1。同样，参数优化在人工智能中无处不在，从调整虚拟个人助理到培训社交媒体和产品推荐系统2。由于与进行实验相关的高成本，这两个领域的科学家仅通过评估可能的配置的一小部分来设定许多（超级）参数值。贝叶斯优化是一种基于迭代响应的基于表面的全局优化算法，在调整机器学习模型中表现出了出色的性能3。贝叶斯优化最近也用于化学4,5,6,7,8,9；但是，尚未研究其在合成化学中的反应优化的应用和评估。在这里，我们报告了贝叶斯反应优化的框架和开源软件工具的开发，该工具使化学家可以轻松地将最新的优化算法整合到其日常实验室实践中。我们收集了一个大型基准数据集，用于钯催化的直接芳基化反应，与反应优化中的人类决策制定相比，对贝叶斯优化进行了系统的研究，并将贝叶斯优化应用于两种现实世界中的优化工作（Mitsunobu和Deoxyflefuoration Reactions）。基准测试是通过在线游戏完成的，该游戏将专家化学家和工程师的决定与实验室进行的真实实验联系起来。我们的发现表明，贝叶斯优化在平均优化效率（实验数量）和一致性（与最初可用数据的结果的差异）中优于人类决策。全面的，我们的研究表明，将贝叶斯优化方法在日常实验室实践中采用，可以通过实现有关哪些实验运行的数据驱动的决定，可以促进更有效地合成功能化学物质。

本文来自作者[lejiaoyi]投稿，不代表言希号立场，如若转载，请注明出处：https://www.lejiaoyi.cn/jyan/202506-1029.html