Unification of Reaction Metrics for Green Chemistry II: Evaluation of Named\nOrganic Reactions and Application to Reaction Discovery
Notice bibliographique
Résumé
The concept of minimum atom economy (AE)<sub>min</sub> and maximum\nenvironmental impact factor <i>E</i><sub>max</sub> is introduced and applied to\na database of more than 400 named organic reactions by\nemploying generalized Markush structures as a means of\ngauging worst-case scenarios for waste production for chemical\nreactions. The scope of the method can be extended to evaluate\n“green” performances for any chemical reaction once all\nbyproducts are identified. From the inverse relationship connecting AE and <i>E</i><sub>mw</sub> (environmental impact factor based on\nmolecular weight) and an analogous one connecting RME\n(reaction mass efficiency) and <i>E</i> (Sheldon environmental impact\nfactor), a minimum value of AE or RME equal to the golden\nratio, 0.618 (or 61.8%), is suggested as a threshold metric for\ngauging the true “greenness” of reactions. The rationale for\nthis is that this condition is met when the magnitude of AE\nexceeds that of <i>E</i><sub>mw</sub> and similarly when RME exceeds <i>E</i>.\nProbabilities for achieving this condition are also determined\nfor several organic reactions, and general expressions for\nevaluating such probabilities as functions of a general threshold\nα between 0 and 1 are also derived. Reactions in the database\nare classified according to general reaction types, and each class\nis ranked according to the “golden” threshold metric. Patterns\nwith respect to atom economical efficiency revealed by this\nanalysis are discussed, including the introduction of expressions\nfor determining the viability of recycling waste byproducts back\nto reagents. It is shown that the database can be used in a\ndiversity-oriented approach to discover new multicomponent\nreactions (MCRs) by combinatorial analysis of Markush fragments. In this context the top seven most frequently appearing\nMarkush structures in the database yield 33 viable three-component MCRs of which 12 have literature precedence.\nSynthetic strategies for reaction design are put forward using\nthe optimum criteria suggested by analysis of the database.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».