Machine learning en computationele hydrogenering: een experiment

TOC

Beeld: Kalikadien et al. (2024) Chem. Sci.

Geen resultaat is ook resultaat, bewijzen Delftse chemici. Ze publiceren een van de grootste datasets van een model van een rhodium-gekatalyseerde hydrogenering dat verrassend weinig liet zien, staat in Chemical Science.

Al een halve eeuw zetten rhodiumkatalysatoren alkenen enantioselectief om met waterstof (hydrogenering). Talloze artikelen zijn er al verschenen over dit soort katalysatoren en het onderliggende reactiemechanisme, dus je zou mogen verwachten dat er een goed ontwikkeld begrip is over deze katalytische reacties. Maar er is nog geen gestroomlijnde methode om snel de juiste liganden te kiezen voor je homogene katalysator als je van substraat wisselt. Adarsh Kalikadien, Evgeny Pidko en collega’s van de TU Delft en Janssen Pharmaceutica wilden kijken of ze hiervoor met machine learning een voorspellend model konden ontwikkelen, maar het project liep anders dan verwacht.

 

0098-Mockup-KNCV_Betaalhekje_412x374

Verder lezen?
Maak eenvoudig een gratis profiel aan.

  • krijg toegang tot ons online archief met meer dan 10.000 artikelen over chemie, life sciences en procestechnologie;
  • kijk webinars live mee of later terug, lees exclusieve online-only content en plaats reacties op artikelen;
  • ontvang elke week onze nieuwsbrief C2Weekly in je mailbox met nieuws en ontwikkelingen zodat je altijd up-to-date bent.

Als lid van de KNCVKVCVNBV, of NVBMB  heeft u onbeperkt toegang tot deze site, u kunt hier inloggen.

0098-Mockup-KNCV_Betaalhekje_Logo-balk