Quantitative Reactivity Models for Oxidative Addition to L <sub>2</sub> Pd(0): Additional Substrate Classes, Solvents, and Mechanistic Insights
Notice bibliographique
Résumé
Abstract Quantitative molecular structure‐reactivity models are useful for generating predictions to guide synthesis design, and in formulating and testing mechanistic hypotheses. We report an expanded multivariate linear regression (MLR) model for the rate of (hetero)aryl ( pseudo )halide oxidative addition to L 2 Pd(0), here exemplified by Pd(PCy 3 ) 2 . This builds on a prior model from our group, with additional substrate classes (aryl chlorides and iodides) and reaction solvents (THF, toluene, THF/DMF mixture). Overall solvent effects across the entire substrate set are minimal under these conditions, enabling a unified MLR model without introduction of new molecular descriptors beyond the original five. Examining the mechanistic origin of the two molecular electrostatic potential ( ESP ) descriptors led to generation of a simpler, four descriptor model that is suitable for aryl halides, but not for 2‐halopyridines. Using this model we identified a mechanistic outlier, 2‐pyridyl triflate, which undergoes a nucleophilic displacement oxidative addition that does not involve the adjacent nitrogen atom. Finally, we discuss the relationship between C−X bond strength and oxidative addition rates, and compare the intrinsic bond strength index ( IBSI ) to bond dissociation enthalpy ( BDE ) as a bond strength descriptor.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».