想象一下，合成并测试 50 多种不同的复杂分子，以确定特定化学反应的最有效催化剂。以这种“试试看”的方式开发化学反应新催化剂的传统方法通常非常耗费人力，需要对潜在候选分子进行大量重复实验。现在无处不在的机器学习技术可以根据理论特性提前预测催化剂的性能，从而使这项任务更加高效。
在《自然通讯》上发表的一项开创性研究中，大阪大学的研究人员使用已合成的分子和目前完全是理论上的分子的计算机库来寻找特定化学反应的最佳催化剂。
这项研究的目的是找到更好的方法将碳基团添加到氨基酸和肽中，这些物质在生物体中非常常见，从而改变这些化合物的性质。与许多反应一样，这些过程可以通过催化剂得到增强，但传统的金属催化剂通常有毒且/或昂贵。这项研究旨在使用三芳基硼烷作为催化剂，但由于其结构相对复杂，因此可能存在数百种可能性。这些化合物以硼为基础，硼是一种相对便宜且毒性较小的主族元素。
“评估用于有机合成的分子催化剂可能极其耗时，”这项研究的主要作者 Yusei Hisata 说道。“就我们工作中使用的三芳基硼烷而言，分子结构的多种排列可能需要数月的研究，才能确定最佳候选者。”
研究人员将有限数量的合成三芳基硼烷的实验数据与尚未合成的其他分子的预测特性相结合，通过理论计算，构建了一个包含 54 种可能的催化剂库。
“这个过程评估了我们预测会影响反应进程的参数，”通讯作者 Yoichi Hoshimoto 解释道。“这些因素包括分子轨道能级和某些过程的能垒等。”
使用计算机库进行的高斯过程回归确定了一个有希望的候选物，并且用这种三芳基硼烷进行的测试表明其性能很高。这种化合物可以以非常高的产率促进氨基酸的反应，并能耐受许多不同官能团的存在。作为额外的好处，这些反应只产生水作为无害的副产品，因为它们成功地使用了分子氢 H 2作为试剂。
这项研究还研究了降低该工艺对环境影响的其他方法，并发现可以用毒性较小的4-甲基四氢吡喃代替危险溶剂四氢呋喃。
现代化学家面临着日益增长的需求，他们一边与有限的同行合作开发新的合成方法，一边考虑环境影响、效率、成本、可持续性和其他因素。这项研究表明，在使用机器学习简化新化学工艺开发方面迈出了重要的一步，并强调了这些新工艺如何融入共同产生绿色系统的变化。