Synthèse de motifs biarylés :\nfonctionnalisation directe catalysée par des métaux de transition dâespèces aromatiques non activées
Bibliographic record
Abstract
Dans ce mémoire sont décrites deux méthodologies impliquant la synthèse de biaryles via l’arylation directe d’espèces aromatiques non activées, catalysée par différents éléments de transition. La première partie présente les résultats obtenus dans le cadre du développement d’une méthode simple d’arylation directe du benzène catalysée au palladium. Cette méthodologie a l’avantage de procéder sans l’ajout de ligand phosphine généralement utilisé dans les systèmes catalytiques avec le palladium et par conséquent cette réaction peut évoluer à l’air libre sans nul besoin d’une atmosphère inerte. Il est proposé que le mécanisme de formation de ces motifs biarylés pourrait passer par la mise en place d’un palladium d’espèce cationique. Ces composés pourraient éventuellement s’avérer intéressants dans la synthèse de produits pharmaceutiques comportant un motif biphényle de ce type. \nLa deuxième partie est consacrée à une méthodologie très attrayante utilisée pour la synthèse des biphényles impliquant le fer comme catalyseur. Plusieurs catalyseurs à base de rhodium, palladium et ruthénium ont démontré leur grande efficacité dans les processus de couplage direct (insertion C-H). Cette méthodologie consiste en la première méthode efficace d’utilisation d’un catalyseur de fer dans les couplages directs sp2-sp2 avec les iodures d’aryles et iodures d’hétéroaryles. Les avantages du fer, impliquent sans contredit, des coûts moindres et des impacts environnementaux bénins. Les conditions réactionnelles sont douces, la réaction peut tolérer la présence de plusieurs groupements fonctionnels et cette dernière peut même se produire à température ambiante. La transformation s’effectue généralement avec de très bons rendements et des études mécanistiques ont démontré que le processus réactionnel était radicalaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".