JACS：高通量实验开发Pd催化C-N偶联反应模型

本文介绍了麻省理工学院Klavs F. Jensen和默克制药公司Dipannita Kalyani等研究人员开发的一种基于高通量实验的机器学习模型，用于预测Pd催化C-N偶联反应的结果。研究背景涉及药物化学中C-N偶联反应的重要性，以及传统方法在预测反应结果方面的局限性。研究目的是通过构建一个包含4204种独特产物的大型数据集，并利用三甲基硅醇锂（LiOTMS）作为碱，开发出能够高精度预测反应结果的机器学习模型。研究结论表明，该模型在所有数据拆分策略中均表现出高度的预测性能，并能有效预测训练集范围之外的验证库结果，有望显著提高药物化学研究中C-N偶联反应的成功率。