基于机器学习的快速机械化学Johnson–Corey–Chaykovsky反应开发

《Nature Communications》：Machine learning-assisted development of a fast Mechanochemical Johnson–Corey–Chaykovsky reaction

　　

摘要

约翰逊-科里-柴可夫斯基反应是一种用于合成环丙烷和环氧化物的高效方法。然而，现有的大多数反应步骤仍依赖于原有的NaH/DMSO反应条件，这在安全性及操作方面存在诸多问题，尤其是在工业应用中。本文中，我们结合贝叶斯优化与机械化学方法，开发出一种快速且无需溶剂的约翰逊-科里-柴可夫斯基反应方案。通过注重效率与可持续性，机器学习迅速找到了该反应的新条件，同时证明使用廉价且安全的碱（KOH）在常压、温和条件下也能高效完成该反应。该方法具有广泛的适用性，可大规模应用，还能兼容多种官能团，有助于制备多种三元同系环和杂环化合物。时间分辨的原位X射线粉末衍射实验表明，主动研磨在这一反应过程中起着关键作用。总体而言，这项工作为将机器学习与机械化学相结合、设计出既安全又可持续的工业级反应奠定了基础。