Publikacja zespołu prof. Jacka Młynarskiego w ACS Catalysis

Zespół prof. Jacka Młynarskiego, we współpracy z chemikami z Wydziału Chemii UAM, opublikował w ACS Catalysis pracę poświęconą wykorzystaniu uczenia maszynowego do przewidywania reaktywności i enancjoselektywności w katalizie asymetrycznej. Autorzy pokazali, że nawet niewielkie, ale starannie zebrane i spójne zbiory danych eksperymentalnych mogą posłużyć do budowy użytecznych modeli wspierających decyzje podejmowane w laboratorium. Modele opracowano dla dwóch reakcji katalizowanych chiralnymi kompleksami magnezu: epoksydowania chalkonów oraz asymetrycznej reakcji thia-Michaela, a ich przewidywania zweryfikowano eksperymentalnie dla wcześniej nietestowanych substratów. Wyniki pokazują, że modele wykorzystujące algorytmy AI mogą nie tylko analizować istniejące dane, lecz także przewidywać wyniki nieprzeprowadzonych wcześniej eksperymentów, ograniczając konieczność klasycznego podejścia opartego na metodzie prób i błędów. Praca wskazuje tym samym praktyczną drogę wykorzystania AI w rozwoju nowych reakcji katalitycznych, również wtedy, gdy dostępne są jedynie niewielkie zbiory danych.

P. Baczewska, D. Nowak, J. Jaszczewska-Adamczak, R. A. Bachorz, M. Hoffmann, J. Mlynarski, „Predicting Reactivity and Enantioselectivity from Small Experimental Datasets: A Case Study in Asymmetric Magnesium Catalysis”, ACS Catal.