Химики научились извлекать информацию о скорости реакций из данных об урожайности с помощью ИИ

Обычно химики проводят два типа экспериментов отдельно: оптимизируют реакции для максимального выхода продукта и затем выполняют отдельные кинетические исследования, чтобы понять, почему реакция работает именно так. Это требует значительных затрат времени и ресурсов. Новый метод, разработанный в Токийском университете, объединяет оба подхода в один.

Как работает CYAN

Метод Concentration-dependent yield analysis (CYAN) использует машинное обучение для расширения данных об урожайности, полученных во время экспериментов по оптимизации реакций. Затем на основе этих данных и математических описаний предполагаемого механизма реакции химики применяют уравнения скорости для извлечения констант скорости различных этапов реакции.

«Машинное обучение сначала дополняет данные об урожайности из наших экспериментов. Затем химики применяют уравнения скорости, основанные на своих гипотезах о механизме реакции, чтобы извлечь константы скорости из этих данных. Таким образом, один набор экспериментов можно использовать как для оптимизации реакции, так и для кинетического анализа», — объяснил Хироюки Исобе, профессор кафедры химии.

От разочарования к открытию

Идея CYAN возникла из практического разочарования. Исследователи ранее разработали инструмент машинного обучения, который хорошо находил лучшие условия для реакций, но работал как «чёрный ящик» — показывал, что работает, но не объяснял почему. Для химиков понимание механизма столь же важно, как и повышение эффективности.

«CYAN выросла из нашей попытки интерпретировать результаты машинного обучения. Мы видим это как двустороннее сотрудничество между машинным обучением и органической химией, в котором мы вносим химические гипотезы и экспериментальные данные, а машинное обучение предоставляет богатство дополненных данных об урожайности», — сказал Исобе.

Неожиданное открытие с никелем

Для проверки метода команда изучила никель-опосредованную реакцию, используемую для синтеза больших кольцевых молекул углерода. CYAN успешно извлекла кинетическую информацию из данных оптимизации и обнаружила неожиданную особенность процесса.

Никель ускорял образование желаемого молекулярного кольца, но одновременно замедлял побочную реакцию, которая в противном случае производила бы нежелательные продукты. Эта комбинация направляла реакцию к синтезу одной целевой молекулы вместо смеси разных соединений.

«Результат с никелем нас удивил, потому что он замедлял часть реакции, что должно было бы ухудшить синтез, а не улучшить его. Полезный способ представить это — вода, текущая по реке, которая разделяется на два канала. Если один канал становится уже, больше воды естественно следует по другому маршруту», — объяснил Исобе.

Исследователи предполагают, что никель создаёт подобный эффект, ограничивая один конкурирующий путь и позволяя реакции сосредоточить усилия на производстве желаемой кольцевой молекулы. Это открытие может оказаться полезным для проектирования многих других металл-шаблонных реакций.

Применение к историческим данным

Исследователи также обнаружили, что CYAN можно применять к историческим экспериментальным данным. В одном случае они использовали данные из химических экспериментов, опубликованные 176 лет назад, и получили константу скорости, согласующуюся с современным значением. Это предполагает, что бесчисленные опубликованные наборы данных могут быть переосмыслены для выявления скрытой химической кинетики.

Дополнение, а не замена

Исследователи подчёркивают, что CYAN предназначена дополнять, а не заменять традиционные кинетические эксперименты. Когда требуются высокоточные измерения, анализ временного хода остаётся необходимым. Однако CYAN предлагает практический способ извлечения кинетической и механистической информации из данных об урожайности, полученных во время оптимизации реакции.

Результаты исследования опубликованы в журнале Advanced Science в 2026 году.

Это данные исследования, а не химический совет или руководство к действию.