യൂണിറ്റുകൾ
1. രസതന്ത്രത്തിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, മൂല്യനിർണ്ണയം, ധാർമ്മികത 2. തന്മാത്രാ പ്രാതിനിധ്യവും രാസഘടനയും: SMILES, InChI, RDKit എന്നിവയ്‌ക്കൊപ്പം മൂല്യനിർണ്ണയം 3. പ്രതികരണ പ്രവചനവും മെക്കാനിസവും: ഉൽപ്പന്നം, അവസ്ഥ, പ്രതികൂല പ്രതികരണ പ്രവചനം 4. സ്പെക്ട്രം ഇൻ്റർപ്രെറ്റേഷൻ സപ്പോർട്ട്: എൻഎംആർ, ഐആർ, മാസ് സ്പെക്ട്രോമെട്രി 5. ലിറ്ററേച്ചർ റിവ്യൂ ആൻഡ് സിന്തസിസ് പ്ലാനിംഗ്: ഉറവിടം, നടപടിക്രമം, റോഡ്മാപ്പ് 6. കെമിക്കൽ ഡാറ്റ അനാലിസിസും പൈത്തണും: പാണ്ടകൾ, സ്റ്റോയ്ചിയോമെട്രി, കാലിബ്രേഷൻ 7. മോളിക്യുലാർ പ്രോപ്പർട്ടി പ്രവചനവും QSAR: റെസല്യൂഷൻ, pKa, മോഡൽ പരിധികൾ 8. ലബോറട്ടറി ഡോക്യുമെൻ്റേഷൻ: പരീക്ഷണ നോട്ട്ബുക്ക്, ELN, പുനരുൽപാദനക്ഷമത 9. സുരക്ഷയും അപകടസാധ്യതയും വിലയിരുത്തൽ: GHS, SDS, കൃത്രിമ ബുദ്ധിയുടെ പരിധികൾ 10. സ്ഥിരീകരണം, ഭ്രമാത്മകത, ശാസ്ത്രീയ സമഗ്രത 11. പരീക്ഷണത്തിൽ മനുഷ്യൻ: ധാർമ്മികത, സ്വകാര്യത, ഉത്തരവാദിത്തം, അവസാനം മുതൽ അവസാനം വരെ വർക്ക്ഫ്ലോ
യൂണിറ്റ് 3 / 11

പ്രതികരണ പ്രവചനവും മെക്കാനിസവും: ഉൽപ്പന്നം, അവസ്ഥ, പ്രതികൂല പ്രതികരണ പ്രവചനം

നേട്ടങ്ങൾ:

  • ഫോർവേഡ് റിയാക്ഷൻ പ്രവചനവും റിട്രോസിന്തസിസും തമ്മിലുള്ള വ്യത്യാസം മനസിലാക്കാനും ബദൽ റൂട്ടുകൾക്കും ഏറ്റവും അപകടകരമായ ഘട്ടത്തിനും കൃത്രിമബുദ്ധി ചോദിക്കാനുമുള്ള കഴിവ്.
  • വ്യവസ്ഥാ നമ്പറുകൾ, വിളവ്, റിയാജൻ്റ് പേരുകൾ എന്നിവ കൃത്രിമബുദ്ധിയിൽ ദുർബലമാണെന്ന് അറിയുകയും അവ സാഹിത്യങ്ങളും കാറ്റലോഗുകളും ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുകയും ചെയ്യുന്നു.
  • പാർശ്വ പ്രതികരണങ്ങളെ പ്രത്യേകമായും വ്യക്തമായും ചോദ്യം ചെയ്തുകൊണ്ട് ഉൽപ്പന്നത്തിൻ്റെ പരിശുദ്ധിയും സുരക്ഷയും ആദ്യം മുതൽ ആസൂത്രണം ചെയ്യാനുള്ള കഴിവ്

പ്രതികരണ പ്രവചനവും മെക്കാനിസവും: ഉൽപ്പന്നം, അവസ്ഥ, AI ഉപയോഗിച്ചുള്ള സൈഡ് റിയാക്ഷൻ പ്രവചനം

ഒരു രസതന്ത്രജ്ഞൻ പതിവായി ചോദിക്കുന്ന രണ്ട് ചോദ്യങ്ങളുണ്ട്: "ഞാൻ ഈ പദാർത്ഥങ്ങൾ കലർത്തിയാൽ എന്ത് സംഭവിക്കും?" "എനിക്ക് ആവശ്യമുള്ള ഉൽപ്പന്നം ലഭിക്കാൻ ഞാൻ എന്തുചെയ്യണം?" ആദ്യത്തേത് ഫോർവേഡ് റിയാക്ഷൻ പ്രവചനത്തിൻ്റെ ചോദ്യമാണ് (ആരംഭ മെറ്റീരിയലുകളിൽ നിന്ന് ഉൽപ്പന്നത്തിലേക്ക്), രണ്ടാമത്തേത് റിട്രോസിന്തസിസിൻ്റെ ചോദ്യമാണ് (ഉൽപ്പന്നത്തിൽ നിന്ന് ആരംഭ മെറ്റീരിയലിലേക്ക് പിന്നോട്ട്). രണ്ടിലും AI ഒരു മൂല്യവത്തായ ബ്രെയിൻസ്റ്റോമിംഗ് പങ്കാളിയാണ്: സാധ്യമായ ഉൽപ്പന്നങ്ങൾ ലിസ്റ്റുചെയ്യുന്നു, വ്യവസ്ഥകൾ നിർദ്ദേശിക്കുന്നു, പാർശ്വ പ്രതികരണങ്ങൾ ഉണർത്തുന്നു. എന്നാൽ പരീക്ഷണങ്ങളും സാഹിത്യവും ഒരു പ്രതികരണം യഥാർത്ഥത്തിൽ പ്രവർത്തിക്കുമോ, അതിൻ്റെ കാര്യക്ഷമത എന്തായിരിക്കും, അത് സുരക്ഷിതമാണോ എന്ന് തീരുമാനിക്കുന്നു. ഈ യൂണിറ്റിൽ, ശക്തമായ എന്നാൽ നിയന്ത്രിത രീതിയിൽ പ്രതികരണ ആസൂത്രണത്തിൽ AI ഉപയോഗിക്കാൻ ഞങ്ങൾ പഠിക്കും.

ഫോർവേഡ് പ്രവചനവും റിട്രോസിന്തസിസും തമ്മിലുള്ള വ്യത്യാസം

ഫോർവേഡ് പ്രവചനം: നിങ്ങൾക്ക് ആരംഭ സാമഗ്രികളും റിയാക്ടറുകളും ഉണ്ട്; "ഉൽപ്പന്നത്തിൻ്റെ കാര്യമോ?" നിങ്ങൾ ചോദിക്കൂ. ഉദാഹരണത്തിന്, നിങ്ങൾ ഒരു പ്രാഥമിക ആൽക്കഹോൾ ഒരു ഓക്സിഡൻറ് ഉപയോഗിച്ച് ചികിത്സിക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് ഒരു ആൽഡിഹൈഡ് അല്ലെങ്കിൽ കാർബോക്സിലിക് ആസിഡ് ഉണ്ടാകാം; അത് ഏതാണ് പോകുന്നതെന്നത് റീജൻ്റിനെയും അവസ്ഥയെയും ആശ്രയിച്ചിരിക്കുന്നു. AI-ക്ക് സാധാരണയായി ഈ വ്യത്യാസം നന്നായി അറിയാം, പക്ഷേ അവസ്ഥ വിശദാംശങ്ങളിൽ തെറ്റായിരിക്കാം.

റിട്രോസിന്തസിസ്: നിങ്ങൾക്ക് ലക്ഷ്യ തന്മാത്രയുണ്ട്; "ഏത് ലളിതമായ ഭാഗങ്ങളിൽ നിന്നാണ് എനിക്ക് ഇത് നിർമ്മിക്കാൻ കഴിയുക?" നീ തിരിച്ചു പോ. ഓരോ ചുവടും പിന്നോട്ട് ഒരു "കട്ട്" (വിച്ഛേദിക്കൽ) നിർദ്ദേശിക്കുന്നു. ഒന്നിലധികം ബദൽ പാതകളിലൂടെ അടുക്കുന്നതിൽ AI മികച്ചതാണ്; എന്നാൽ അദ്ദേഹം നിർദ്ദേശിക്കുന്ന പാതയുടെ ഓരോ ഘട്ടവും യഥാർത്ഥത്തിൽ പ്രവർത്തിക്കുന്നുവെന്ന് സാഹിത്യം ഉപയോഗിച്ച് സ്ഥിരീകരിക്കേണ്ടത് ആവശ്യമാണ്.

നുറുങ്ങ്: AI-യോട് ഒരു “മികച്ച മാർഗം” ചോദിക്കുന്നതിനുപകരം, 2-3 ഇതര വഴികളും ഓരോന്നിൻ്റെയും ദുർബലമായ പോയിൻ്റും (“ഏത് ഘട്ടമാണ് അപകടസാധ്യതയുള്ളത്?”) ആവശ്യപ്പെടുക. അന്ധമായി ഒരു പാത പിന്തുടരുന്നതിനേക്കാൾ കൂടുതൽ സുരക്ഷിതമാണ് ഇതരമാർഗങ്ങൾ തിരഞ്ഞെടുക്കുന്നത്.

മെക്കാനിസം: എന്തുകൊണ്ടാണ് ഇത് സംഭവിക്കുന്നതെന്ന് മനസിലാക്കുക

ഇലക്ട്രോണുകൾ എവിടേക്കാണ് പോകുന്നതെന്നും ഏത് ക്രമത്തിലാണെന്നും പ്രതിപ്രവർത്തന സംവിധാനം ഘട്ടം ഘട്ടമായി കാണിക്കുന്നു. മെക്കാനിസം വിശദീകരിക്കുന്നതിൽ AI ഒരു നല്ല അദ്ധ്യാപകനാണ്: ന്യൂക്ലിയോഫൈൽ (ഇലക്ട്രോൺ-സമ്പന്നമായ, ഇലക്ട്രോൺ-ദാനം ചെയ്യുന്ന സ്പീഷീസ്), ഇലക്ട്രോഫൈൽ (ഇലക്ട്രോൺ-പാവം, ഇലക്ട്രോൺ സ്വീകരിക്കുന്ന സ്പീഷീസ്), ഇൻ്റർമീഡിയറ്റ് ഉൽപ്പന്നം, സംക്രമണാവസ്ഥ എന്നിവയുടെ ആശയങ്ങൾ ഇത് ലളിതമായി വിശദീകരിക്കുന്നു. എന്നിരുന്നാലും, സങ്കീർണ്ണമായ അല്ലെങ്കിൽ നവീനമായ സംവിധാനങ്ങളിൽ "അമ്പടയാളങ്ങൾ" വരയ്ക്കാൻ ഇതിന് കഴിയും. മെക്കാനിസം വിവരണം ഒരു ഓർഗാനിക് കെമിസ്ട്രി ഉറവിടവുമായി താരതമ്യം ചെയ്യുക.

ഘട്ടം ഘട്ടമായി: AI ഉപയോഗിച്ചുള്ള പ്രതികരണ ആസൂത്രണം

  1. ലക്ഷ്യം കൃത്യമായി നൽകുക: സ്മൈൽസ് (മുമ്പത്തെ യൂണിറ്റ്) ഉപയോഗിച്ച് ഉൽപ്പന്നവും ആരംഭ മെറ്റീരിയലും നിർവചിക്കുക.
  2. സംസ്ഥാന നിയന്ത്രണങ്ങൾ: സ്കെയിൽ (എംഎംഎൽ/മോൾ), ഒഴിവാക്കേണ്ട റിയാഗൻ്റുകൾ, ലായകങ്ങൾ ലഭ്യമാണ്, സുരക്ഷാ മാർജിനുകൾ.
  3. ഇതരമാർഗങ്ങൾ ആവശ്യപ്പെടുക: 2-3 വഴികളും ഓരോന്നിൻ്റെയും കാര്യക്ഷമത പ്രതീക്ഷയും അപകടസാധ്യതയും.
  4. സൈഡ് പ്രതികരണത്തെക്കുറിച്ച് ചോദിക്കുക: ഓരോ ഘട്ടത്തിലും സാധ്യമായ സൈഡ് ഉൽപ്പന്നങ്ങളും അവ എങ്ങനെ കുറയ്ക്കാം.
  5. സാഹിത്യവുമായുള്ള സ്ഥിരീകരണം: ഒരു യഥാർത്ഥ ലേഖനം/ഡാറ്റാബേസ് (Reaxys, SciFinder മുതലായവ) ഉപയോഗിച്ച് നിർദ്ദിഷ്ട പ്രധാന ഘട്ടം പരിശോധിക്കുക.
  6. സുരക്ഷാ പരിശോധന: ഓരോ റീജൻ്റിൻ്റെയും SDS പരിശോധിക്കുക (യൂണിറ്റ് 9).

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) മുന്നോട്ടുള്ള പ്രതികരണ പ്രവചനം:

ആരംഭ സാമഗ്രികൾ (പുഞ്ചിരികൾ):- ബെൻസിൽ ആൽക്കഹോൾ: OCc1ccccc1 റീജൻ്റ്: പിസിസി (പിരിഡിനിയം ക്ലോറോക്രോമേറ്റ്), ഡൈക്ലോറോമെഥേനിൽ. ടാസ്ക്:1) പ്രധാന ഉൽപ്പന്നം എന്താണ് (സ്മൈൽസ് + പരസ്യം)?2) ഈ ഉൽപ്പന്നം എന്തിനാണ് രൂപംകൊണ്ടത്, ആൽഡിഹൈഡ് അല്ലെങ്കിൽ കാർബോക്‌സിലിക് ആസിഡ്: ടി.ആർ. നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത അവസ്ഥ "പരിശോധിക്കുക".

2) റിട്രോസിന്തസിസ്:

ടാർഗറ്റ് മോളിക്യൂൾ (സ്മൈൽസ്): O=C(c1ccccc1)c1ccc(OC)cc1 (4-methoxybenzophenone)നിയന്ത്രണം: സ്കെയിൽ 10 mmol; ഗ്രിഗ്നാർഡ് റിയാഗൻ്റുകൾ ഉപയോഗിക്കാം. ടാസ്ക്: 2 ഇതര റിട്രോസിന്തസിസ് റൂട്ടുകൾ നൽകുക. ഓരോ റൂട്ടിനും: കട്ട്ഓഫ് പോയിൻ്റ്, ആവശ്യമായ ആരംഭ സാമഗ്രികൾ (SMILES), റിയാജൻ്റ്+ഓരോ ഘട്ടത്തിൻ്റെയും അവസ്ഥ, കണക്കാക്കിയ വിളവ് പരിധി. ഏറ്റവും അപകടകരമായ ഘട്ടം അടയാളപ്പെടുത്തുക.

3) മെക്കാനിസം വിവരണം:

പ്രതികരണം: ദ്വിതീയ ആൽക്കഹോളിൻ്റെ (E1) ആസിഡ്-കാറ്റലൈസ്ഡ് നിർജ്ജലീകരണം. ടാസ്‌ക്: ഇലക്ട്രോൺ ചലനം ഉപയോഗിച്ച് ഘട്ടം ഘട്ടമായി മെക്കാനിസം വിശദീകരിക്കുക. ഓരോ ഘട്ടത്തിലും: ഏത് തരം ന്യൂക്ലിയോഫൈൽ/ഇലക്ട്രോഫൈൽ, ഏത് ഇൻ്റർമീഡിയറ്റ് ഉൽപ്പന്നമാണ് രൂപപ്പെടുന്നത്. നിങ്ങളുടെ Zaitsev/Hofmann ഉൽപ്പന്ന മുൻഗണനയും സൂചിപ്പിക്കുക. ഭാഷ: പ്ലെയിൻ ടർക്കിഷ്, ആദ്യം പരാമർശിക്കുമ്പോൾ നിബന്ധനകൾ നിർവ്വചിക്കുക.

4) കണ്ടീഷൻ ഒപ്റ്റിമൈസേഷൻ (ആശയ ജനറേഷൻ):

പ്രതികരണം: ഒരു അമൈഡ് ബോണ്ട് (കാർബോക്സിലിക് ആസിഡ് + അമിൻ) രൂപീകരിക്കുന്നു. ഞങ്ങൾക്ക് കപ്ലിംഗ് റിയാഗൻ്റുകൾ ഉണ്ട്: EDC, DCC, HATU. ടാസ്‌ക്: ഓരോ റീജൻ്റിനും ഗുണങ്ങളുടെ/ദോഷങ്ങളുടെ (വിളവ്, ശുദ്ധീകരണത്തിൻ്റെ എളുപ്പം, ചെലവ്, സുരക്ഷ) പട്ടിക നൽകുക. ഏത് സാഹചര്യത്തിലാണ് നിങ്ങൾ ഏതാണ് തിരഞ്ഞെടുക്കേണ്ടത്?ശ്രദ്ധിക്കുക: കൃത്യമായ കാര്യക്ഷമത അവകാശപ്പെടരുത്; ഞാൻ സാഹിത്യം ഉപയോഗിച്ച് സ്ഥിരീകരിക്കും.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബല:

ഈ രണ്ട് പദാർത്ഥങ്ങളും കലർത്തുമ്പോൾ എന്ത് സംഭവിക്കും?

ഏത് പദാർത്ഥങ്ങളാണ് (ഘടനയില്ല), ഏത് അനുപാതം, ഏത് അവസ്ഥ, ഏത് ലായകമാണ് എന്ന് വ്യക്തമല്ല. AI പോരായ്മകൾ നികത്തുകയും തെറ്റായ ഉൽപ്പന്നം നൽകുകയും ചെയ്യും.

ശക്തമായ:

സ്റ്റാർട്ടർ: അസറ്റിക് അൻഹൈഡ്രൈഡ് (CC(=O)OC(=O)C) + സാലിസിലിക് ആസിഡ് (OC(=O)c1cccc1O), കാറ്റലിസ്റ്റ്: സാന്ദ്രീകൃത സൾഫ്യൂറിക് ആസിഡ് (കുറച്ച് തുള്ളികൾ), ~85 °C, 15 മിനിറ്റ്. ടാസ്ക്: 1) പ്രധാന ഉൽപ്പന്നം (SMILES+ad), 2) മെക്കാനിസം സംഗ്രഹം, 3) ഉപോൽപ്പന്നവും ശുദ്ധീകരണവും, 4) സുരക്ഷാ മുന്നറിയിപ്പ്. നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത സ്ഥലം അടയാളപ്പെടുത്തുക.

വ്യത്യാസം: സ്‌മൈലുകൾ, നിരക്ക്/കണ്ടീഷൻ ഓൺ, ഔട്ട്‌പുട്ട് കോൺഫിഗർ ചെയ്‌തു, സുരക്ഷ അഭ്യർത്ഥിച്ചുള്ള ഓരോ ആരംഭ ക്ലോസും. (ഈ ഉദാഹരണം ആസ്പിരിൻ സിന്തസിസ് ആണ്.)

പ്രതികരണ പ്രവചനത്തിൽ AI ശക്തവും ദുർബലവുമാണ്

വിഷയം

AI ശക്തമാണോ?

കുറിപ്പുകൾ

പ്രതികരണ തരം തിരിച്ചറിയുന്നു

ശക്തമായ

ഓക്സിഡേഷൻ, ഈസ്റ്റർ രൂപീകരണം മുതലായവ നന്നായി അറിയാം

പ്രധാന ഉൽപ്പന്നം (ക്ലാസിക്) പ്രവചിക്കുന്നു

പൊതുവെ ശക്തമാണ്

നന്നായി രേഖപ്പെടുത്തപ്പെട്ട പ്രതികരണങ്ങളിൽ വിശ്വസനീയം

കൃത്യമായ വിളവ്/അവസ്ഥ നമ്പറുകൾ

ദുർബലമായ

താപനില, ദൈർഘ്യം, കാര്യക്ഷമത എന്നിവ പലപ്പോഴും തെറ്റാണ്

പുതിയ/അപൂർവ പ്രതികരണം

ദുർബലമായ

കെട്ടിച്ചമയ്ക്കാനുള്ള ഉയർന്ന അപകടസാധ്യതയുണ്ട്, സാഹിത്യം നിർബന്ധമാണ്

സൈഡ് പ്രതികരണ ഓർമ്മപ്പെടുത്തൽ

ഇടത്തരം-ശക്തമായ

ഒരു ചെക്ക്‌ലിസ്റ്റ് എന്ന നിലയിൽ വിലപ്പെട്ടതാണ്

റീജിയോ/സ്റ്റീരിയോ സെലക്റ്റിവിറ്റി

വേരിയബിൾ

ലളിതമായ നിയമങ്ങൾ നല്ലതാണ്, സങ്കീർണ്ണമായവ മോശമാണ്

മിനി കേസുകൾ

കേസ് 1 - ശരിയായ ഉൽപ്പന്നം, തെറ്റായ അവസ്ഥ. ഒരു വിദ്യാർത്ഥി ഫിഷർ എസ്റ്ററിഫിക്കേഷൻ ആസൂത്രണം ചെയ്തു. YZ ശരിയായ ഉൽപ്പന്നം നൽകിയെങ്കിലും "ഊഷ്മാവിൽ 10 മിനിറ്റിനുള്ളിൽ ഇത് പൂർത്തിയാകും" എന്ന് പറഞ്ഞു. ഈ സമതുലിതമായ പ്രതികരണം റിഫ്ലക്സിൽ മണിക്കൂറുകളെടുക്കുമെന്നും വെള്ളം നീക്കം ചെയ്യേണ്ടതുണ്ടെന്നും സാഹിത്യം കാണിക്കുന്നു. വിദ്യാർത്ഥി ഈ അവസ്ഥ തിരുത്തിയില്ലെങ്കിൽ, അയാൾക്ക് 5% വിളവ് ലഭിക്കുമായിരുന്നു. പാഠം: ഉൽപ്പന്നം ശരിയാണെങ്കിലും, ലിറ്ററേച്ചർ ഉപയോഗിച്ച് വ്യവസ്ഥാ നമ്പറുകൾ സ്ഥിരീകരിക്കുക.

കേസ് 2 - കൺട്രിവ്ഡ് കാറ്റലിസ്റ്റ്. "Pd(XYZ)4" എന്ന രൂപത്തിൽ ഒരു കപ്ലിംഗ് പ്രതികരണത്തിനായി YZ നിലവിലില്ലാത്ത ഒരു കാറ്റലിസ്റ്റ് നാമം നിർമ്മിച്ചു. കാറ്റലിസ്റ്റ് കാറ്റലോഗിൽ വിദ്യാർഥി തിരഞ്ഞപ്പോൾ കണ്ടെത്താനായില്ല; AI പേര് ഉണ്ടാക്കി. യഥാർത്ഥ കാറ്റലിസ്റ്റ് Pd(PPh3)4 ആയിരുന്നു. പാഠം: യഥാർത്ഥ കാറ്റലോഗുകളിൽ റീജൻ്റ്, കാറ്റലിസ്റ്റ് പേരുകൾ സ്ഥിരീകരിക്കുക.

കേസ് 3 - അവഗണിക്കപ്പെട്ട സൈഡ് പ്രതികരണം. ഒരു പ്രൈമറി അമിൻ അസൈലേറ്റ് ചെയ്യുന്നതിൽ, AI പ്രധാന ഉൽപ്പന്നം നൽകി, പക്ഷേ ആദ്യം അധിക റിയാജൻ്റ് ഉപയോഗിച്ച് ഇരട്ട അസൈലേഷൻ അപകടസാധ്യത ഒഴിവാക്കി. “സാധ്യമായ ഉപോൽപ്പന്നങ്ങൾ?” എന്ന് ഉപയോക്താവ് ചോദിച്ചാൽ ഞാൻ വ്യക്തമായി ചോദിച്ചപ്പോൾ, AI ഇത് ചേർക്കുകയും സ്റ്റോയിയോമെട്രി 1.05 തത്തുല്യമായി പരിമിതപ്പെടുത്താൻ നിർദ്ദേശിക്കുകയും ചെയ്തു. പാഠം: സൈഡ് റിയാക്ഷനെക്കുറിച്ച് പ്രത്യേകമായും വ്യക്തമായും ചോദിക്കുക, അത് ഒരൊറ്റ പ്രോംപ്റ്റിൽ വരണമെന്നില്ല.

സാധാരണ തെറ്റുകൾ

  • കണ്ടീഷൻ നമ്പറുകൾ അതേപടി ഉപയോഗിക്കുന്നു. താപനില, സമയം, തുല്യത, കാര്യക്ഷമത എന്നിവയാണ് AI-യിലെ ഏറ്റവും ദുർബലമായ മേഖലകൾ; സാഹിത്യം ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുക.
  • ചോദിക്കുക മാത്രമാണ് പോംവഴി. ബദലുകളില്ലാത്ത ഒരു പദ്ധതി അപകടകരമായ ഘട്ടത്തെ അദൃശ്യമാക്കുന്നു.
  • സൈഡ് റിയാക്ഷനെ കുറിച്ച് ചോദിക്കുന്നില്ല. പ്രധാന ഉൽപ്പന്നം ശരിയാണെന്ന് തോന്നുകയാണെങ്കിൽപ്പോലും, ഉപോൽപ്പന്നങ്ങൾ പരിശുദ്ധി നിർണ്ണയിക്കുന്നു.
  • റീജൻ്റ് നാമം പരിശോധിക്കുന്നില്ല. നിലവിലില്ലാത്ത കാറ്റലിസ്റ്റ്/ലിഗാൻഡ് പേരുകൾ ഉണ്ടാക്കാം.
  • മെക്കാനിസം തെളിവായി കണക്കാക്കുന്നു. പ്രത്യക്ഷത്തിൽ വിശ്വസനീയമെന്ന് തോന്നുന്ന ഒരു സംവിധാനം പ്രതികരണം തുടരുമെന്ന് ഉറപ്പുനൽകുന്നില്ല.
  • സ്കെയിൽ വ്യക്തമാക്കുന്നില്ല. ഒരു മില്ലിഗ്രാം സ്കെയിലിൽ സുരക്ഷിതമായത് ഒരു കിലോ സ്കെയിലിൽ അപകടകരമായേക്കാം.
ശ്രദ്ധിക്കുക: AI ഒരു നിർദ്ദിഷ്ട പ്രതികരണത്തെ "സാഹിത്യത്തിൽ നിലവിലുണ്ട്" എന്ന് അവതരിപ്പിക്കുന്നതുകൊണ്ട് അത് യഥാർത്ഥത്തിൽ നിലവിലുണ്ടെന്ന് അർത്ഥമാക്കുന്നില്ല. ഒരു ആധികാരിക ഉറവിടത്തിലേക്ക് (DOI ലേഖനം, അറിയപ്പെടുന്ന നടപടിക്രമം) പ്രധാന ഘട്ടം ആട്രിബ്യൂട്ട് ചെയ്യുന്നത് ഉറപ്പാക്കുക.

ചുരുക്കത്തിൽ

  • ഫോർവേഡ് പ്രവചനത്തിലും റിട്രോസിന്തസിസിലും AI ഒരു ശക്തമായ ഇൻസൈറ്റ് പങ്കാളിയാണ്; ഇത് ഉൽപ്പന്ന തരം നന്നായി പ്രവചിക്കുന്നു.
  • അവസ്ഥ സംഖ്യകൾ വിളവിലും അപൂർവ പ്രതികരണങ്ങളിലും മോശമാണ്; സാഹിത്യം ഉപയോഗിച്ച് ഇവ സ്ഥിരീകരിക്കുക.
  • ഒരു വഴിക്ക് പകരം, 2-3 ഇതരമാർഗങ്ങൾ ആവശ്യപ്പെടുകയും അവ ഏറ്റവും അപകടകരമായ ഘട്ടം അടയാളപ്പെടുത്തുകയും ചെയ്യുക.
  • സൈഡ് പ്രതികരണങ്ങൾ വെവ്വേറെയും പരസ്യമായും നൽകുക; കാറ്റലോഗുകളിൽ റീജൻ്റ്/കാറ്റലിസ്റ്റ് പേരുകൾ പരിശോധിക്കുക.
  • മെക്കാനിസം ധാരണയെ വേഗത്തിലാക്കുന്നു, പക്ഷേ പ്രതികരണം പ്രവർത്തിക്കുമെന്നതിന് ഇത് തെളിവല്ല.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങൾക്കറിയാവുന്ന ഒരു ടാർഗെറ്റ് തന്മാത്ര തിരഞ്ഞെടുക്കുക. രണ്ട് ഇതര റിട്രോസിന്തസിസ് പാതകൾക്കായി AI-യോട് ആവശ്യപ്പെടുക; സ്‌മൈൽസ് ഉപയോഗിച്ച് ഓരോ പാതയുടെയും ആരംഭ ഇനങ്ങളും വ്യവസ്ഥകളും അപകടകരമായ ഘട്ടവും സൂചിപ്പിക്കാൻ അവനോട്/അവളോട് ആവശ്യപ്പെടുക. തുടർന്ന് ഓരോ പാതയുടെയും പ്രധാന ഘട്ടം ഒരു സാഹിത്യ ഉറവിടം (യഥാർത്ഥ DOI) ഉപയോഗിച്ച് സ്ഥിരീകരിക്കാൻ ശ്രമിക്കുക. ഏത് പാതയാണ് കൂടുതൽ ദൃഢമായി മാറിയത്? AI നൽകിയ നിബന്ധനകളിൽ എത്രയെണ്ണം സാഹിത്യവുമായി പൊരുത്തപ്പെട്ടു, എത്ര തിരുത്തലുകൾ ആവശ്യമാണ്? ഒരു പേജ് താരതമ്യം എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] ഫോർവേഡ് പ്രവചനവും റിട്രോസിന്തസിസും തമ്മിലുള്ള വ്യത്യാസം എനിക്കറിയാം.
  • [ ] ഞാൻ തന്മാത്രകളെ പുഞ്ചിരിയും നിയന്ത്രണങ്ങളും (സ്കെയിൽ, ലായകം) ഉപയോഗിച്ച് പ്രകടിപ്പിക്കുന്നു.
  • [ ] എനിക്ക് ഒരേയൊരു വഴി വേണ്ട, ബദലുകളും അപകടസാധ്യതയുള്ള ഘട്ടങ്ങളുമാണ് എനിക്ക് വേണ്ടത്.
  • [ ] ഞാൻ ഒരു പ്രത്യേക ചോദ്യത്തിൽ പാർശ്വ പ്രതികരണങ്ങൾ ഉപേക്ഷിക്കുന്നു.
  • [ ] ഞാൻ ലിറ്ററേച്ചർ/കാറ്റലോഗ് ഉപയോഗിച്ച് കണ്ടീഷൻ നമ്പറുകളും റീജൻ്റ് പേരുകളും സ്ഥിരീകരിക്കുന്നു.
  • [ ] ഞാൻ അത് മെക്കാനിസം മനസ്സിലാക്കാൻ ഉപയോഗിക്കുന്നു, തെളിവായിട്ടല്ല.