机器学习+催化！重磅Nature Synthesis：AI预测催化位点选择性，准确率为93.4%！

本研究由德国哥廷根大学和浙江大学的研究团队合作完成，旨在通过结合机制知情图神经网络和多任务学习流程，预测钌催化芳烃C–H官能团化反应的位点选择性。研究背景基于机器学习在大规模数据集中构建定量结构—性能关系模型的优势，研究目的是解决传统方法在预测反应性能方面的局限性。研究结果显示，所构建的多任务模型在256条反应数据集中展现出优异的插值与外推能力，位点选择性预测的平均准确率达到93.4%，标准差为0.007。结论表明，该模型不仅具备强大的预测能力，还推动了反应机理的再认知和验证过程，为人工智能辅助分子合成提供了新的理论基础和技术参考。