人们目前能够通过创新的机器学习策略发现能够Co催化立体选择性和对映选择性C-H烷基化。

有鉴于此，哥廷根大学Lutz Ackermann、浙江大学洪鑫等报道通过转变统计数据作为知识来源设计机器学习模型，借助delta学习并且准确的预测立体选择性。

主要内容

（1）

通过知识转移模型，对360种手性羧酸进行筛选，发现一种非常有趣的具有糠基基团的新型催化剂。通过进一步实验，验证预测的手性羧酸在C-H烷基化反应中得到优异的立体选择性控制能力，并且成功的用于合成大量具有C中心手性和C-N轴手性的吲哚取代衍生物。

（2）

机器学习方法实现了非常有用的数据驱动方法，加快发展分子催化剂。

参考文献

Zi-Jing Zhang, Shu-Wen Li, João C. A. Oliveira, Yanjun Li, Xinran Chen, Shuo-Qing Zhang, Li-Cheng Xu, Torben Rogge, Xin Hong & Lutz Ackermann, Data-driven design of new chiral carboxylic acid for construction of indoles with C-central and C–N axial chirality via cobalt catalysis. Nat Commun 14, 3149 (2023). 

DOI: 10.1038/s41467-023-38872-0

https://www.nature.com/articles/s41467-023-38872-0