智能反应优化：深度学习与优化算法驱动的乙酰水杨酸合成

摘要

在本科实验设计中，需要经过大量的试错实验来寻找最优的反应条件，这一过程需要消耗大量的时间和成本。为了简化复杂的实验设计过程，同时激发学生对先进技术和跨学科领域的兴趣，培养多学科交叉的创新型人才，本研究创新性地提出了智能反应优化的模型框架以预测最优产率下的反应条件组合，并将这一模块加入到本科有机实验乙酰水杨酸的合成中。本研究收集了1054个符合这一反应机理的反应数据作为模型的训练数据，主要包括了产物、反应物、催化剂、溶剂、主要反应试剂、反应温度和产率。首先预训练了一个基于化学多模态的产率预测模型，作为后续反应优化的目标函数；接着采用贝叶斯优化算法，以最小化产率的负值(即最大化产率)为目标，确定最优的反应条件组合；最后将模型预测的产率和实际产率进行了实验验证，在100次模型测试下的预测产率都完美地落在了实际产率范围内，效果优异的同时还给出了产率高达90.1%的反应试剂组合，为这一本科实验提供了多样化的实验方案。

关键词

优化算法 / 多模态 / 机器学习 / 乙酰水杨酸 / 优化