การทำนายปฏิกิริยาและกลไก: ผลิตภัณฑ์ สภาพ และการทำนายปฏิกิริยาที่ไม่พึงประสงค์

กำไร:

• ความสามารถในการเข้าใจความแตกต่างระหว่างการทำนายปฏิกิริยาไปข้างหน้าและการสังเคราะห์ย้อนหลัง และถามปัญญาประดิษฐ์สำหรับเส้นทางอื่นและขั้นตอนที่เสี่ยงที่สุด
• การรู้ว่าหมายเลขเงื่อนไข ผลผลิต และชื่อรีเอเจนต์นั้นอ่อนแอในปัญญาประดิษฐ์ และยืนยันด้วยเอกสารและแค็ตตาล็อก
• ความสามารถในการวางแผนความบริสุทธิ์และความปลอดภัยของผลิตภัณฑ์ตั้งแต่เริ่มต้น โดยตั้งคำถามถึงปฏิกิริยาข้างเคียงแยกจากกันและชัดเจน

การทำนายปฏิกิริยาและกลไก: การทำนายผลิตภัณฑ์ สภาพ และปฏิกิริยาข้างเคียงด้วย AI

มีคำถามสองข้อที่นักเคมีถามบ่อยที่สุด: "จะเกิดอะไรขึ้นถ้าฉันผสมสารเหล่านี้" และ “ฉันควรทำอย่างไรเพื่อให้ได้สินค้าที่ต้องการ” คำถามแรกคือคำถามของการทำนายปฏิกิริยาไปข้างหน้า (จากวัสดุเริ่มต้นไปยังผลิตภัณฑ์) คำถามที่สองคือคำถามของการสังเคราะห์ย้อนกลับ (ย้อนกลับจากผลิตภัณฑ์ไปยังวัสดุเริ่มต้น) AI เป็นพันธมิตรในการระดมความคิดที่มีคุณค่าในทั้งสอง: แสดงรายการผลิตภัณฑ์ที่เป็นไปได้ แนะนำเงื่อนไข กระตุ้นให้เกิดปฏิกิริยาข้างเคียง แต่การทดลองและงานเขียนต่างๆ จะตัดสินว่าปฏิกิริยาจะเกิดขึ้นจริงหรือไม่ ประสิทธิภาพจะเป็นอย่างไร และปลอดภัยหรือไม่ ในบทนี้ เราจะเรียนรู้การใช้ AI ในการวางแผนปฏิกิริยาอย่างมีประสิทธิภาพแต่มีการควบคุม

ความแตกต่างระหว่างการทำนายล่วงหน้าและการสังเคราะห์ย้อนหลัง

การทำนายล่วงหน้า: คุณมีวัสดุเริ่มต้นและรีเอเจนต์ “แล้วสินค้าล่ะ?” คุณถาม ตัวอย่างเช่น หากคุณปฏิบัติต่อแอลกอฮอล์ปฐมภูมิด้วยสารออกซิแดนท์ คุณอาจได้กรดอัลดีไฮด์หรือคาร์บอกซิลิก ขึ้นอยู่กับรีเอเจนต์และสภาวะ โดยปกติแล้ว AI จะทราบความแตกต่างนี้ดี แต่อาจมีข้อผิดพลาดในรายละเอียดเงื่อนไข

การสังเคราะห์ย้อนหลัง: คุณมีโมเลกุลเป้าหมาย "ส่วนไหนที่ง่ายกว่านี้ฉันสามารถสร้างสิ่งนี้ขึ้นมาได้" คุณกลับไป ทุกย่างก้าวบ่งบอกถึงการ "ตัด" (ขาดการเชื่อมต่อ) AI สามารถแยกแยะเส้นทางทางเลือกต่างๆ ได้ดี แต่จำเป็นต้องยืนยันกับวรรณกรรมว่าทุกขั้นตอนของเส้นทางที่เขาเสนอใช้งานได้จริง

เคล็ดลับ: แทนที่จะถาม AI สำหรับ "วิธีที่ดีที่สุด" เพียงวิธีเดียว ให้ถามทางเลือก 2-3 วิธีและจุดอ่อนของแต่ละวิธี ("ขั้นตอนใดมีความเสี่ยง") การเลือกทางเลือกต่างๆ นั้นปลอดภัยกว่าการเดินไปตามเส้นทางเดียวอย่างสุ่มสี่สุ่มห้า

กลไก: ทำความเข้าใจว่าทำไมมันถึงเกิดขึ้น

กลไกการเกิดปฏิกิริยาจะแสดงทีละขั้นตอนว่าอิเล็กตรอนไปที่ไหนและอยู่ในลำดับใด AI เป็นครูที่ดีในการอธิบายกลไก: เพียงอธิบายแนวคิดเกี่ยวกับนิวคลีโอไฟล์ (สายพันธุ์ที่อุดมไปด้วยอิเล็กตรอน, สายพันธุ์ที่บริจาคอิเล็กตรอน), อิเล็กโทรฟิล (สายพันธุ์ที่ยากจนอิเล็กตรอน, สายพันธุ์ที่รับอิเล็กตรอน), ผลิตภัณฑ์ขั้นกลางและสถานะการเปลี่ยนแปลง อย่างไรก็ตาม มันสามารถวาด "ลูกศร" ที่ทำให้เชื่อได้ในกลไกที่ซับซ้อนหรือแปลกใหม่ เปรียบเทียบคำอธิบายกลไกกับแหล่งเคมีอินทรีย์

ทีละขั้นตอน: การวางแผนปฏิกิริยาด้วย AI

1. ให้เป้าหมายอย่างแม่นยำ: กำหนดผลิตภัณฑ์และวัสดุเริ่มต้น (ถ้ามี) ด้วย SMILES (หน่วยก่อนหน้า)
2. ข้อจำกัดของรัฐ: ขนาด (มิลลิโมล/โมล) รีเอเจนต์ที่ควรหลีกเลี่ยง ตัวทำละลายที่มีอยู่ อัตรากำไรด้านความปลอดภัย
3. ขอทางเลือก 2-3 วิธี และความคาดหวังและความเสี่ยงด้านประสิทธิภาพของแต่ละวิธี
4. ถามเกี่ยวกับปฏิกิริยาข้างเคียง: ผลิตภัณฑ์ข้างเคียงที่เป็นไปได้ในแต่ละขั้นตอนและวิธีลด
5. การยืนยันด้วยวรรณกรรม: ตรวจสอบขั้นตอนสำคัญที่เสนอด้วยบทความ/ฐานข้อมูลจริง (Reaxys, SciFinder ฯลฯ)
6. การตรวจสอบความปลอดภัย: ตรวจสอบ SDS ของรีเอเจนต์แต่ละตัว (หน่วยที่ 9)

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การทำนายปฏิกิริยาไปข้างหน้า:

วัสดุตั้งต้น (ยิ้ม):- เบนซิลแอลกอฮอล์: OCc1ccccc1รีเอเจนต์: PCC (ไพริดิเนียม คลอโรโครเมต) ในไดคลอโรมีเทน งาน:1) ผลิตภัณฑ์หลักคืออะไร (ยิ้ม + โฆษณา)2) เหตุใดจึงเกิดผลิตภัณฑ์นี้ เป็นกรดอัลดีไฮด์หรือกรดคาร์บอกซิลิก 3) ผลพลอยได้ที่เป็นไปได้และความเสี่ยงในความบริสุทธิ์ กฎ: ทำเครื่องหมาย "ตรวจสอบ" เงื่อนไขที่คุณไม่แน่ใจ

2) การสังเคราะห์ซ้ำ:

โมเลกุลเป้าหมาย (ยิ้ม): O=C(c1ccccc1)c1ccc(OC)cc1 (4-methoxybenzophenone)ข้อจำกัด: สเกล 10 mmol; สามารถใช้รีเอเจนต์ Grignard ได้ ภารกิจ: ให้เส้นทางการสังเคราะห์ย้อนกลับทางเลือก 2 เส้นทาง สำหรับแต่ละเส้นทาง: จุดตัด วัสดุเริ่มต้นที่ต้องการ (SMILES) รีเอเจนต์+สภาวะของแต่ละขั้นตอน และช่วงผลผลิตโดยประมาณ ทำเครื่องหมายขั้นตอนที่เสี่ยงที่สุด

3) คำอธิบายกลไก:

ปฏิกิริยา: การคายน้ำที่เร่งปฏิกิริยาด้วยกรดของแอลกอฮอล์ทุติยภูมิ (E1) ภารกิจ: อธิบายกลไกทีละขั้นตอนด้วยการเคลื่อนที่ของอิเล็กตรอน ในแต่ละขั้นตอน: นิวคลีโอไทล์/อิเล็กโตรไฟล์ประเภทใด ซึ่งเป็นผลิตภัณฑ์ขั้นกลางที่เกิดขึ้น ระบุความต้องการผลิตภัณฑ์ Zaitsev/Hofmann ของคุณด้วย ภาษา: ตุรกีธรรมดา ให้นิยามคำศัพท์เมื่อมีการกล่าวถึงครั้งแรก

4) การเพิ่มประสิทธิภาพเงื่อนไข (การสร้างแนวคิด):

ปฏิกิริยา: สร้างพันธะเอไมด์ (กรดคาร์บอกซิลิก + เอมีน) รีเอเจนต์ข้อต่อที่เรามี: EDC, DCC, HATU ภารกิจ: ให้ตารางข้อดี/ข้อเสีย (ผลผลิต ความง่ายในการทำให้บริสุทธิ์ ต้นทุน ความปลอดภัย) สำหรับรีเอเจนต์แต่ละตัว คุณจะเลือกอันไหนในสถานการณ์ใด หมายเหตุ: อย่าอ้างประสิทธิภาพที่แน่นอน ฉันจะยืนยันด้วยวรรณกรรม

พรอมต์อ่อน / พรอมต์แรง

อ่อนแอ:

จะเกิดอะไรขึ้นเมื่อคุณผสมสารทั้งสองนี้เข้าด้วยกัน?

ยังไม่ชัดเจนว่าสารใด (ไม่มีโครงสร้าง) อัตราส่วนใด สภาวะใด ตัวทำละลายใด AI ชดเชยข้อบกพร่องและอาจส่งมอบผลิตภัณฑ์ที่ไม่ถูกต้อง

แข็งแกร่ง:

สารเริ่มต้น: อะซิติกแอนไฮไดรด์ (CC(=O)OC(=O)C) + กรดซาลิไซลิก (OC(=O)c1ccccc1O), ตัวเร่งปฏิกิริยา: กรดซัลฟิวริกเข้มข้น (ไม่กี่หยด), ~85 °C, 15 นาที ภารกิจ: 1) ผลิตภัณฑ์หลัก (SMILES+โฆษณา) 2) สรุปกลไก 3) ผลพลอยได้และการทำให้บริสุทธิ์ 4) คำเตือนด้านความปลอดภัย ทำเครื่องหมายที่คุณไม่แน่ใจ

ความแตกต่าง: แต่ละคำสั่งเริ่มต้นด้วย SMILES, อัตรา/เงื่อนไขเปิด, กำหนดค่าเอาต์พุต, ร้องขอความปลอดภัย (ตัวอย่างนี้เป็นการสังเคราะห์แอสไพริน)

โดยที่ AI นั้นแข็งแกร่งและอ่อนแอในการทำนายปฏิกิริยา

เรื่อง

AI ทรงพลังหรือไม่?

หมายเหตุ

การรับรู้ประเภทของปฏิกิริยา

แข็งแรง

ออกซิเดชัน การสร้างเอสเทอร์ ฯลฯ ที่รู้จักกันดี

การพยากรณ์ผลิตภัณฑ์หลัก (คลาสสิก)

โดยทั่วไปมีความแข็งแกร่ง

เชื่อถือได้ในปฏิกิริยาที่มีการบันทึกไว้อย่างดี

หมายเลขผลผลิต/เงื่อนไขที่แน่นอน

อ่อนแอ

อุณหภูมิ ระยะเวลา ประสิทธิภาพมักไม่ถูกต้อง

ปฏิกิริยาใหม่/หายาก

อ่อนแอ

มีความเสี่ยงสูงที่จะถูกประดิษฐ์ขึ้น วรรณกรรมจึงเป็นสิ่งจำเป็น

การแจ้งเตือนปฏิกิริยาด้านข้าง

ปานกลางแข็งแรง

มีคุณค่าเป็นรายการตรวจสอบ

การเลือกภูมิภาค/สเตอริโอ

ตัวแปร

กฎง่ายๆ นั้นดี ส่วนกฎที่ซับซ้อนนั้นไม่ดี

กรณีขนาดเล็ก

กรณีที่ 1 — สินค้าถูกต้อง ผิดสภาพ นักเรียนคนหนึ่งวางแผนเอสเทอริฟิเคชันของฟิสเชอร์ YZ ให้ผลิตภัณฑ์ที่ถูกต้อง แต่บอกว่า "จะแล้วเสร็จภายใน 10 นาทีที่อุณหภูมิห้อง" บทความวิจัยได้แสดงให้เห็นว่าปฏิกิริยาที่สมดุลนี้ใช้เวลาหลายชั่วโมงในการไหลย้อนและจำเป็นต้องนำน้ำออก หากนักเรียนไม่แก้ไขเงื่อนไข เขาคงได้ผลตอบแทน 5% บทเรียน: แม้ว่าผลิตภัณฑ์จะถูกต้อง ให้ยืนยันหมายเลขเงื่อนไขด้วยเอกสารประกอบ

กรณีที่ 2 — ตัวเร่งปฏิกิริยาที่ประดิษฐ์ขึ้น YZ ผลิตชื่อตัวเร่งปฏิกิริยาที่ไม่มีอยู่จริงสำหรับปฏิกิริยาคัปปลิ้งในรูปแบบของ "Pd(XYZ)4" เมื่อนักเรียนค้นหาในแคตตาล็อกตัวเร่งปฏิกิริยา เขาไม่พบมัน AI เป็นคนสร้างชื่อขึ้นมา ตัวเร่งปฏิกิริยาที่แท้จริงคือ Pd(PPh3)4 บทเรียน: ยืนยันชื่อรีเอเจนต์และตัวเร่งปฏิกิริยาในแค็ตตาล็อกจริง

กรณีที่ 3 — ปฏิกิริยาข้างเคียงที่ถูกมองข้าม ในอะซิเลตเอมีนปฐมภูมิ AI ให้ผลผลิตหลักแต่ก่อนอื่นสามารถข้ามความเสี่ยงของการเกิดอะซิเลชันซ้ำซ้อนเมื่อมีรีเอเจนต์ส่วนเกินได้ หากผู้ใช้ถามว่า “ผลพลอยได้ที่เป็นไปได้?” เมื่อฉันถามอย่างชัดเจน AI เพิ่มสิ่งนี้และแนะนำให้จำกัดปริมาณสัมพันธ์ให้เท่ากับ 1.05 บทเรียน: ถามเกี่ยวกับปฏิกิริยาข้างเคียงแยกกันและชัดเจน อาจไม่ได้เกิดขึ้นพร้อมๆ กัน

ข้อผิดพลาดทั่วไป

• โดยใช้หมายเลขเงื่อนไขเหมือนเดิม อุณหภูมิ เวลา ความเท่าเทียมกัน และประสิทธิภาพเป็นจุดอ่อนที่สุดใน AI ยืนยันด้วยวรรณกรรม
• ทางเดียวคือต้องถาม แผนการที่ไม่มีทางเลือกอื่นจะทำให้ขั้นตอนที่เสี่ยงนั้นมองไม่เห็น
• ไม่ถามถึงปฏิกิริยาข้างเคียง แม้ว่าผลิตภัณฑ์หลักจะดูถูกต้อง แต่ผลพลอยได้ก็จะเป็นตัวกำหนดความบริสุทธิ์
• ไม่ตรวจสอบชื่อรีเอเจนต์ สามารถสร้างชื่อตัวเร่งปฏิกิริยา/ลิแกนด์ที่ไม่มีอยู่จริงได้
• โดยถือกลไกไว้เป็นหลักฐาน กลไกที่ดูเหมือนเป็นไปได้ไม่ได้รับประกันว่าปฏิกิริยาจะเกิดขึ้น
• ไม่ระบุขนาด. สิ่งที่ปลอดภัยในระดับมก.อาจเป็นอันตรายได้ในระดับกก.

ข้อควรสนใจ: เพียงเพราะ AI นำเสนอปฏิกิริยาที่เสนอว่า "มีอยู่ในวรรณกรรม" ไม่ได้หมายความว่าสิ่งนั้นมีอยู่จริง อย่าลืมระบุแหล่งที่มาของขั้นตอนสำคัญด้วยแหล่งที่มาที่แท้จริง (บทความ DOI, ขั้นตอนที่ทราบ)

โดยสรุป

• AI เป็นพันธมิตรด้านข้อมูลเชิงลึกที่ทรงพลังในการทำนายล่วงหน้าและการสังเคราะห์ย้อนหลัง คาดการณ์ประเภทสินค้าได้ดี
• หมายเลขเงื่อนไขให้ผลผลิตต่ำและมีปฏิกิริยาเกิดขึ้นน้อย ยืนยันสิ่งเหล่านี้ด้วยวรรณกรรม
• แทนที่จะเลือกทางเดียว ให้ขอทางเลือก 2-3 ทางและให้พวกเขาทำเครื่องหมายขั้นตอนที่เสี่ยงที่สุด
• ออกปฏิกิริยาข้างเคียงแยกกันและเปิดเผย ตรวจสอบชื่อรีเอเจนต์/ตัวเร่งปฏิกิริยาในแค็ตตาล็อก
• กลไกนี้ช่วยให้เข้าใจได้เร็วขึ้น แต่ก็ไม่ได้พิสูจน์ว่าปฏิกิริยาจะเกิดขึ้น

งานสมัคร

เลือกโมเลกุลเป้าหมายที่คุณรู้จัก สอบถาม AI สำหรับเส้นทางการสังเคราะห์ย้อนกลับสองทางเลือก ขอให้เขา/เธอระบุรายการเริ่มต้น เงื่อนไข และขั้นตอนที่เสี่ยงที่สุดสำหรับแต่ละเส้นทางด้วยรอยยิ้ม จากนั้นพยายามยืนยันขั้นตอนสำคัญของแต่ละเส้นทางด้วยแหล่งข้อมูลวรรณกรรม (DOI จริง) เส้นทางไหนจะแข็งแกร่งกว่ากัน? มีเงื่อนไขที่กำหนดโดย AI ที่ตรงกับวรรณกรรมกี่ข้อ และต้องมีการแก้ไขกี่ข้อ เขียนการเปรียบเทียบหน้าเดียว

รายการตรวจสอบ

• [ ] ฉันรู้ความแตกต่างระหว่างการทำนายล่วงหน้าและการสังเคราะห์ย้อนหลัง
• [ ] ฉันแสดงโมเลกุลด้วยรอยยิ้มและข้อจำกัด (สเกล ตัวทำละลาย)
• [ ] ฉันไม่ต้องการวิธีเดียว ฉันต้องการทางเลือกอื่นและขั้นตอนที่เสี่ยง
• [ ] ฉันแยกปฏิกิริยาข้างเคียงออกเป็นคำถามแยกต่างหาก
• [ ] ฉันยืนยันหมายเลขเงื่อนไขและชื่อรีเอเจนต์จากเอกสาร/แค็ตตาล็อก
• [ ] ฉันใช้มันเพื่อทำความเข้าใจกลไก ไม่ใช่เพื่อเป็นหลักฐาน