研究前沿：清华大学罗三中/杨骐：AI+分子催化，化学信息学 | Nature Synthesis

本文介绍了一种融合人工智能与专家经验的启发式数据驱动策略，用于协同钴(IV)-烯胺催化新反应的发现与优化。研究背景是传统化学反应发现过程缓慢且受限于庞大的化学空间。研究目的是通过数据驱动方法，结合专家直觉与人工智能引导的探索，高效确定最优反应条件。研究结论表明，该方法通过贝叶斯优化框架，仅进行63次实验就从超百万种潜在条件中锁定最优催化体系，实现了羰基化合物的α-极性反转，并获得较高收率与对映选择性，大幅提升了反应开发效率，并揭示了传统方法难以发现的反应模式与底物适应性，为人机协作推动合成化学创新提供了范例。