【翼享学术】浙江大学洪鑫课题组Nat. Commun.：化学信息增强的图模型实现反应活性和选择性的精准预测

背景：在化学大数据与人工智能融合的背景下，合成反应的精准预测成为研究热点，但反应构效关系复杂，细微结构变化可能导致活性和选择性显著改变。研究目的：浙江大学洪鑫课题组旨在开发高效可靠的AI预测模型，通过嵌入化学信息提升预测精度和可解释性。结论：课题组设计了化学信息增强的分子图模型（SEMG）和分子交互图神经网络（MIGNN）架构，构建了SEMG-MIGNN通用框架。该模型在Pd催化Buchwald-Hartwig偶联反应产率和手性磷酸催化亚胺加成反应对映选择性预测中表现出高准确性和优异外推能力，同时能区分立体位阻和电子效应的定量贡献，增强了化学可解释性，为合成反应的智能设计提供了技术支持。