机器学习！厦门大学汪骋Angew：揭示MOF催化C–H键选择性硼化关键因素

本文介绍了厦门大学汪骋教授团队在机器学习揭示MOF催化C–H键选择性硼化关键因素方面的重要进展。研究背景在于MOF作为异相催化平台，其催化反应发生在孔隙内部还是外表面的问题尚未明确。研究目的是通过机器学习方法揭示MOF催化中C–H键选择性硼化的决定因素。研究团队基于超47万个MOF结构提取了45个通用结构描述符，分析了Ni负载的MOF催化C–H键硼化的体系，发现sp3 C–H键转化活性与MOF孔道结构高度相关，而sp2 C–H键转化活性与MOF孔道结构无关。这一发现为小数据条件下的可解释建模提供了解决思路。