Prediksi dan Mekanisme Reaksi: Produk, Kondisi dan Prediksi Reaksi Merugikan

Keuntungan:

• Kemampuan untuk memahami perbedaan antara prediksi reaksi maju dan retrosintesis serta menanyakan rute alternatif dan langkah paling berisiko kepada kecerdasan buatan.
• Mengetahui bahwa nomor kondisi, hasil dan nama reagen lemah dalam kecerdasan buatan dan mengkonfirmasinya dengan literatur dan katalog.
• Kemampuan merencanakan kemurnian dan keamanan produk sejak awal dengan mempertanyakan reaksi samping secara terpisah dan jelas

Prediksi dan Mekanisme Reaksi: Prediksi Produk, Kondisi dan Reaksi Sampingan dengan AI

Ada dua pertanyaan yang paling sering ditanyakan oleh seorang ahli kimia: "Apa yang terjadi jika saya mencampurkan zat-zat ini?" dan “Apa yang harus saya lakukan untuk mendapatkan produk yang saya inginkan?” Yang pertama adalah soal prediksi reaksi maju (dari bahan awal hingga produk), yang kedua adalah soal retrosintesis (mundur dari produk ke bahan awal). AI adalah mitra curah pendapat yang berharga dalam keduanya: membuat daftar produk yang mungkin, menyarankan kondisi, membangkitkan reaksi samping. Namun eksperimen dan literatur menentukan apakah suatu reaksi akan benar-benar berhasil, berapa efisiensinya, dan apakah aman. Dalam unit ini, kita akan belajar menggunakan AI dalam perencanaan reaksi dengan cara yang kuat namun terkendali.

Perbedaan antara prediksi ke depan dan retrosintesis

Prediksi ke depan: Anda memiliki bahan awal dan reagen; “Bagaimana dengan produknya?” kamu bertanya. Misalnya, jika Anda mengolah alkohol primer dengan oksidan, Anda mungkin akan mendapatkan aldehida atau asam karboksilat; Yang mana tergantung pada reagen dan kondisinya. AI biasanya mengetahui perbedaan ini dengan baik, tetapi bisa saja salah dalam hal detail kondisi.

Retrosintesis: Anda memiliki molekul target; "Dari bagian sederhana apa aku bisa membuat ini?" kamu kembali. Setiap langkah mundur menunjukkan adanya "pemutusan" (pemutusan hubungan). AI pandai memilah berbagai jalur alternatif; Namun perlu dikonfirmasi dengan literatur bahwa setiap langkah yang ia usulkan benar-benar berhasil.

Tip: Daripada meminta AI hanya satu “cara terbaik”, mintalah 2-3 cara alternatif dan titik lemah masing-masing (“langkah mana yang berisiko?”). Memilih di antara alternatif-alternatif jauh lebih aman daripada mengikuti satu jalan secara membabi buta.

Mekanisme: memahami mengapa hal itu terjadi

Mekanisme reaksi menunjukkan langkah demi langkah ke mana elektron pergi dan bagaimana urutannya. AI adalah guru yang baik dalam menjelaskan mekanismenya: AI hanya menjelaskan konsep nukleofil (spesies kaya elektron, spesies pemberi elektron), elektrofil (spesies miskin elektron, spesies penerima elektron), produk antara, dan keadaan transisi. Namun, hal ini dapat menarik “panah” khayalan dalam mekanisme yang kompleks atau baru. Bandingkan deskripsi mekanisme dengan sumber kimia organik.

Langkah demi langkah: Perencanaan reaksi dengan AI

1. Berikan target secara tepat: Definisikan produk dan bahan awal, jika ada, dengan SMILES (satuan sebelumnya).
2. Batasan negara: skala (mmol/mol), reagen yang harus dihindari, ketersediaan pelarut, batas keamanan.
3. Mintalah alternatif: 2-3 cara dan ekspektasi efisiensi serta risiko masing-masing.
4. Tanyakan tentang reaksi samping: Kemungkinan produk sampingan pada setiap langkah dan cara menguranginya.
5. Konfirmasi dengan literatur: Verifikasi langkah kunci yang diusulkan dengan artikel/database nyata (Reaxys, SciFinder, dll.).
6. Pemeriksaan keamanan: Periksa SDS setiap reagen (unit 9).

Empat templat yang dapat disalin

1) Prediksi reaksi maju:

Bahan awal (SMILES): - Benzil alkohol: OCc1ccccc1Reagen: PCC (pyridinium chlorochromate), dalam diklorometana.Tugas:1) Apa produk utamanya (SMILES + iklan)?2) Mengapa produk ini terbentuk, aldehida atau asam karboksilat, alasannya?3) Kemungkinan produk sampingan dan risiko kemurnian?Aturan: Centang "VERIFIKASI" kondisi yang Anda tidak yakin.

2) Retrosintesis:

Molekul target (SENYUM): O=C(c1ccccc1)c1ccc(OC)cc1 (4-methoxybenzophenone) Kendala: Skala 10 mmol; Reagen Grignard dapat digunakan. Tugas: Berikan 2 jalur retrosintesis alternatif. Untuk setiap rute: titik potong, bahan awal yang diperlukan (SMILES), reagen+kondisi setiap langkah dan perkiraan kisaran hasil. Tandai langkah paling berisiko.

3) Deskripsi mekanisme:

Reaksi: Dehidrasi alkohol sekunder (E1) dengan katalis asam. Tugas: Menjelaskan mekanisme, langkah demi langkah, dengan pergerakan elektron. Pada setiap langkah: jenis nukleofil/elektrofil apa, produk antara apa yang terbentuk. Tunjukkan juga preferensi produk Zaitsev/Hofmann Anda. Bahasa: bahasa Turki sederhana, tentukan istilah saat pertama kali disebutkan.

4) Optimalisasi kondisi (penghasilan ide):

Reaksi: Membentuk ikatan Amida (asam karboksilat + amina). Reagen kopling yang kami miliki: EDC, DCC, HATU. Tugas: Memberikan tabel kelebihan/kekurangan (hasil, kemudahan pemurnian, biaya, keamanan) untuk masing-masing reagen. Mana yang akan Anda pilih dalam situasi seperti ini? Catatan: Jangan mengklaim efisiensi yang pasti; Saya akan konfirmasi dengan literatur.

Perintah lemah / Perintah kuat

Lemah:

Apa yang terjadi jika kedua zat ini dicampur?

Tidak jelas zat apa (tanpa struktur), perbandingan apa, kondisi apa, pelarut apa. AI menutupi kekurangan dan mungkin menghasilkan produk yang salah.

Kuat:

Pemula: asetat anhidrida (CC(=O)OC(=O)C) + asam salisilat (OC(=O)c1ccccc1O), katalis: asam sulfat pekat (beberapa tetes), ~85 °C, 15 menit. Tugas: 1) Produk utama (SMILES+ad), 2) ringkasan mekanisme, 3) produk sampingan dan pemurnian, 4) peringatan keselamatan. Tandai di mana Anda tidak yakin.

Perbedaan: setiap klausa awal dengan SMILES, rate/kondisi aktif, output dikonfigurasi, keamanan diminta. (Contoh ini adalah sintesis aspirin.)

Dimana AI kuat dan lemah dalam prediksi reaksi

Subyek

Apakah AI kuat?

Catatan

Mengenali jenis reaksi

kuat

Oksidasi, pembentukan ester, dll. sudah diketahui dengan baik

Peramalan produk utama (klasik)

Umumnya kuat

Dapat diandalkan dalam reaksi yang terdokumentasi dengan baik

Angka hasil/kondisi yang tepat

lemah

Suhu, durasi, efisiensi seringkali salah

Reaksi baru/langka

lemah

Ada risiko pemalsuan yang tinggi, literatur adalah suatu keharusan

Pengingat reaksi samping

sedang-kuat

Berharga sebagai daftar periksa

Selektivitas wilayah/stereo

Variabel

Aturan yang sederhana itu baik, aturan yang rumit itu buruk

kasus kecil

Kasus 1 — Produk benar, kondisi salah. Seorang siswa merencanakan esterifikasi Fischer. YZ memberikan produk yang benar tetapi mengatakan "akan selesai dalam 10 menit pada suhu kamar". Literatur menunjukkan bahwa reaksi seimbang ini memerlukan waktu berjam-jam pada refluks dan memerlukan pembuangan air. Jika siswa tidak memperbaiki kondisinya, dia akan mendapat hasil 5%. Pelajaran: meskipun produknya benar, pastikan nomor kondisinya dengan literatur.

Kasus 2 — Katalis yang dibuat-buat. YZ menghasilkan nama katalis yang tidak ada untuk reaksi kopling dalam bentuk "Pd(XYZ)4". Ketika siswa tersebut mencari di katalog katalis, dia tidak dapat menemukannya; AI mengarang nama itu. Katalis sebenarnya adalah Pd(PPh3)4. Pelajaran: konfirmasi nama reagen dan katalis di katalog sebenarnya.

Kasus 3 — Reaksi sampingan yang diabaikan. Dalam mengasilasi amina primer, AI menghasilkan produk utama namun terlebih dahulu menghindari risiko asilasi ganda dengan reagen berlebih. Jika pengguna bertanya “kemungkinan produk sampingan?” Ketika saya bertanya secara eksplisit, AI menambahkan ini dan menyarankan untuk membatasi stoikiometri hingga setara 1,05. Pelajaran: tanyakan tentang reaksi samping secara terpisah dan jelas, mungkin tidak muncul dalam satu waktu.

Kesalahan umum

• Menggunakan nomor kondisi apa adanya. Suhu, waktu, ekuivalen, dan efisiensi adalah area terlemah dalam AI; Konfirmasikan dengan literatur.
• Satu-satunya cara adalah dengan bertanya. Sebuah rencana tanpa alternatif membuat langkah berisiko tidak terlihat.
• Bukan bertanya tentang reaksi sampingnya. Sekalipun produk utamanya terlihat bagus, produk sampingannya menentukan kemurniannya.
• Tidak memverifikasi nama reagen. Nama katalis/ligan yang tidak ada dapat dibuat-buat.
• Mengingat mekanisme sebagai bukti. Mekanisme yang tampaknya masuk akal tidak menjamin bahwa reaksi akan berlangsung.
• Tidak menentukan skalanya. Apa yang aman dalam skala mg, mungkin berbahaya dalam skala kg.

Perhatian: Hanya karena AI menampilkan reaksi yang diusulkan sebagai "ada dalam literatur" tidak berarti reaksi tersebut benar-benar ada. Pastikan untuk mengaitkan langkah kunci ke sumber asli (artikel DOI, prosedur terkenal).

Singkatnya

• AI adalah mitra wawasan yang kuat dalam prediksi ke depan dan retrosintesis; Ini memprediksi jenis produk dengan baik.
• Jumlah kondisi buruk dalam hasil dan reaksi yang jarang terjadi; konfirmasikan hal ini dengan literatur.
• Daripada memilih satu cara, mintalah 2-3 alternatif dan minta mereka menandai langkah yang paling berisiko.
• Mengeluarkan reaksi samping secara terpisah dan terbuka; Verifikasi nama reagen/katalis dalam katalog.
• Mekanisme tersebut mempercepat pemahaman, namun bukan merupakan bukti bahwa reaksi akan berhasil.

Tugas aplikasi

Pilih molekul target yang Anda tahu. Mintalah AI untuk dua jalur retrosintesis alternatif; Minta dia untuk menunjukkan titik awal, kondisi dan langkah paling berisiko untuk setiap jalur dengan SMILES. Kemudian cobalah untuk mengkonfirmasi langkah kunci dari setiap jalur dengan sumber literatur (DOI sebenarnya). Jalur mana yang lebih kokoh? Berapa banyak kondisi yang diberikan oleh AI yang sesuai dengan literatur, dan berapa banyak yang memerlukan koreksi? Tulis perbandingan satu halaman.

daftar periksa

• [ ] Saya tahu perbedaan antara prediksi ke depan dan retrosintesis.
• [ ] Saya mengekspresikan molekul dengan SMILES dan batasannya (skala, pelarut).
• [ ] Saya tidak ingin satu-satunya cara, saya ingin alternatif dan langkah-langkah berisiko.
• [ ] Saya mengabaikan reaksi samping dalam pertanyaan terpisah.
• [ ] Saya mengkonfirmasi nomor kondisi dan nama reagen dengan literatur/katalog.
• [ ] Saya menggunakannya untuk memahami mekanismenya, bukan sebagai bukti.