想象一下合成并测试50多种不同的复杂分子，以确定特定化学反应最有效的催化剂。以这种“尝试看看”的方式开发化学反应新催化剂的传统方法通常是劳动密集型的，需要对潜在的候选分子进行大量的重复实验。现在无处不在的机器学习技术可以根据理论特征提前预测催化剂的性能，从而使这项任务更加高效。

在《自然通讯》上发表的一项研究中，大阪大学的研究人员使用了一个计算机分子库，这些分子已经与目前完全理论上的分子一起合成，以找到特定化学反应的最佳催化剂。

这项工作的目的是找到更好的方法，将碳基团添加到生物体中非常常见的氨基酸和肽中，以改变这些化合物的特性。与许多反应一样，这些过程通过催化剂得到增强，但传统的金属基催化剂通常有毒和/或昂贵。

这项研究旨在使用三芳基硼烷作为催化剂，但由于其结构相对复杂，可能存在数百种可能性。这些化合物以硼为基础，硼是一种相对便宜且毒性较小的主族元素。

该研究的主要作者YuseiHisata表示：“对有机合成分子催化剂的评估可能非常耗时。”“就我们工作中使用的三芳基硼烷而言，分子结构的许多排列可能需要数月的研究才能确定最佳候选者。”

研究人员利用理论计算，将有限数量的合成三芳基硼烷的实验数据与尚未合成的其他分子的预测特性相结合，形成了一个包含54种可能的催化剂的库。

“这个过程评估了我们预测会影响反应进程的参数，”通讯作者YoichiHoshimoto解释道。“其中包括分子轨道能级和某些过程的能垒等因素。”

使用计算机库的高斯过程回归确定了一个有前途的候选者，并且使用这种三芳基硼烷进行的测试证明了高水平的性能。该化合物可以以非常高的产率促进氨基酸的反应，并耐受许多不同官能团的存在。另一个好处是，这些反应仅产生水作为无害的副产物，因为它们成功地使用分子氢H2作为试剂。

这项工作还研究了降低该过程对环境影响的其他方法，发现危险溶剂四氢呋喃可以用毒性较小的替代品4-甲基四氢吡喃替代。

现代化学家面临着日益增长的需求，他们与有限的同行一起开发新的合成方法，同时考虑环境影响、效率、成本、可持续性和其他因素。这项研究展示了利用机器学习简化新化学工艺开发的重要一步，并强调了这些新工艺如何整合变革，共同生成绿色系统。