触媒用有機リン配位子の包括的発見プラットフォーム

分子触媒の設計は、通常、複数の矛盾する特性要件を調和させることを伴い、主に人間の直感と局所的な構造探索に依存しています。しかし、潜在的な触媒の数が膨大であるため、定量的な構造-特性関係を用いた効率的な特性予測によって候補空間をプルーニングする必要があります。潜在的な触媒のライブラリに埋め込まれたデータ駆動型ワークフローは、触媒性能の予測モデルを構築し、新しい触媒設計のブループリントとして機能できます。本稿では、代表的なコンフォメーションセットに基づいて包括的な物理化学的記述子を提供する単座有機リン(III)配位子をカバーする発見プラットフォーム「kraken」を紹介します。量子力学的方法を使用して、商業的に入手可能な例を含む1558の配位子の記述子を計算し、30万を超える新しい配位子の特性を予測するために機械学習モデルを訓練しました。私たちは、触媒の既存のデータセットを使用して反応最適化中の配位子選択を加速する方法とともに、krakenを使用して有機リン配位子の特性空間を体系的に探索するアプローチを示します。