Maschinelles Lernen für Solvatationseffekte

Wie Solvatationseffekte Reaktionsraten beeinflussen, lässt sich mit einem maschinellen Lernverfahren schnell berechnen. Chung und Green vom Massachusetts Institute of Technology, USA, haben mit der Cosmo-RS-Methode einen Datensatz von 28 000 Reaktionen und 295 Lösungsmitteln erstellt. Auf dieser Grundlage trainierten sie ein maschinelles Lernverfahren, das freie Aktivierungsenthalpien in der Flüssigphase vorhersagt. Die Fehler des Modells betragen etwa 1 kcal·mol^–1, und die berechneten relativen Geschwindigkeitskonstanten liegen in derselben Größenordnung wie experimentelle Daten. Das Modell soll künftig Solvatationseffekte bei der kinetischen Modellierung und beim Design chemischer Reaktionen schnell und zuverlässig vorhersagen. TN

• Chem. Sci., doi: 10.1039/D3SC05353A

Wissenschaft + Forschung