基于Hammett方程在数据增强的化学空间中反应预测
化学物理
2020-05-01 v1
摘要
通过将取代基效应与化学过程变量（如反应机理、溶剂或温度）分离，Hammett方程实现了对整个化学空间中化学反应性的控制。我们使用全局回归在两个数据集中优化Hammett参数 和 ：苄基溴与硫醇反应的实验速率常数和铵盐的分解，以及一个由约1400个 反应的计算活化能组成的合成数据集，这些反应具有各种亲核试剂和离去基团（-H、-F、-Cl、-Br）以及官能团（-H、-NO、-CN、-NH、-CH）。原方法被推广到预测具有多个取代基的非芳香分子骨架中的活化势能。各个取代基以唯一的回归项对分子 加和贡献，该回归项量化了诱导效应。此外，对于 ，取代基的位置依赖性可被距离衰减因子替代。将Hammett方程用作化学空间中活化能的 -机器学习模型的基线模型，可在小训练集规模下显著改善学习曲线。
引用
@article{arxiv.2004.14946,
title = {Data Enhanced Reaction Predictions in Chemical Space With Hammett's Equation},
author = {Marco Bragato and Guido Falk von Rudorff and O. Anatole von Lilienfeld},
journal= {arXiv preprint arXiv:2004.14946},
year = {2020}
}