文献

J-GLOBAL ID：202102234104466220   整理番号：21A0167675

能動学習代理モデルにより駆動されるMitsunobu反応のための溶媒選択【JST・京大機械翻訳】

Solvent Selection for Mitsunobu Reaction Driven by an Active Learning Surrogate Model

著者 (6件)： Zhang Chonghuan (Department of Chemical Engineering and Biotechnology, University of Cambridge, United Kingdom) ,  Amar Yehia (Department of Chemical Engineering and Biotechnology, University of Cambridge, United Kingdom) ,  Cao Liwei (Department of Chemical Engineering and Biotechnology, University of Cambridge, United Kingdom) ,  Cao Liwei (Cambridge Centre for Advanced Research and Education in Singapore, CARES Ltd., Singapore) ,  Lapkin Alexei A. (Department of Chemical Engineering and Biotechnology, University of Cambridge, United Kingdom) ,  Lapkin Alexei A. (Cambridge Centre for Advanced Research and Education in Singapore, CARES Ltd., Singapore)
資料名： Organic Process Research & Development  (Organic Process Research & Development)
巻： 24  号： 12  ページ： 2864-2873  発行年： 2020年 
JST資料番号： W1013A  ISSN： 1083-6160  CODEN： OPRDFK  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 溶媒選択と操作条件に関する合成反応の最適化を,機械学習ベースのワークフローとして実行した。このアプローチを,イソプロピル安息香酸塩を生成するMitsunobu反応の収率を最大化するための有望な溶媒の選択の事例研究で例示した。溶媒を15分子記述子で定義し,溶媒記述子ライブラリーを構築した。記述子をAutoencoderを用いて縮小次元形式に変換した。実験収率を用いて多層人工ニューラルネットワーク(ANN)代理モデルを訓練し,実験の最適化と設計(DoE)に用いた。反応最適化に必要な実験数を減らすために,活性学習モードでDoEを実行した。最終代理モデルは,有望な溶媒として1-クロロペンタンを同定し,93%の実験的な収率をもたらした。Copyright 2021 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  ニューラルネットワーク ,  事例研究 ,  多層 ,  *Mitsunobu反応 ,  機械学習 ,  ワークフロー
準シソーラス用語： 能動学習 ,  操作条件 ,  分子記述子 ,  代用モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： Mitsunobuエステル化 ,  分子ディスクリプタ ,  人工ニューラルネットワーク ,  代理モデルの最適化 ,  溶媒選択

分類 (1件)： 構造動力学  (HD02000E)

物質索引 (1件)： 1-クロロペンタン

タイトルに関連する用語 (4件)： 能動学習 ,  代理モデル ,  Mitsunobu反応 ,  溶媒