Method to Predict Reagents in Iridium-Based Photoredox Catalysis
Notice bibliographique
Résumé
Visible-light photoredox catalysts with oxidizing excited states have been broadly applied in organic synthesis. Following photon absorption by the photocatalyst, electron transfer from an organic reagent is the most common mechanistic outcome for this class of reaction. Reduction potentials for organic reagents are therefore useful to predict reactivity and DFT proved to be useful as a predictive tool in this regard. Due to the complex mechanisms that follow electron transfer, kinetics play a crucial role in the success of photoredox reactions. We extend the predictive tools of DFT to estimate the electron transfer rates between an excited photocatalyst and various organic substrates. To calibrate our model, 49 electron transfer rate constants were experimentally measured in acetonitrile for the catalyst Ir[dF(CF 3 )ppy] 2 (dtbpy) + . The rate constants, k q , gave a clear predictive trend when compared to calculated ionization energies in “frozen solvent”, which was a better predictor than standard reduction potentials in our case. The calculated k q gave an average error of 17% for log(k q ) values between 4 and 11. This simple method can predict the reactivity of hundreds of reagents in silico . Notably, the calculations offered unexpected insight that we could translate into success for the C-H activation of acetylacetone as a proof-of-concept.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».