Химики из Великобритании разработали алгоритм глубокого обучения, способный предсказывать механизмы реакций по кинетическим данным. Ученые обучили свою модель на нескольких тысячах наборах кинетических данных, сгенерированных автоматически, а затем использовали для анализа шести изученных каталитических реакций.

Исследование опубликовано в Nature.

Анализ кинетических данных позволяет изучать механизмы каталитических реакций. Обычно для подобного анализа химики проводят каталитическую реакцию с разными загрузками катализатора и измеряют концентрацию продукта или реагента в разные моменты времени. Затем, чтобы сделать выводы из этих зависимостей, необходимо рассчитать теоретические зависимости для нескольких предполагаемых механизмов, а затем сравнить полученные зависимости с экспериментальными. Если зависимости совпадают — значит механизм найден.

Еще один способ изучить механизм реакции — измерить начальные скорости реакции при разных начальных концентрациях реагента или катализатора. Далее можно построить логарифмическую зависимость начальной скорости от начальной концентрации, а из нее определить порядок реакции по реагенту или катализатору. Это тоже помогает делать предположения о механизме реакции.

Эти и другие более современные методы работают хорошо и ими часто пользуются. Но если механизм реакции сложный, достоверно интерпретировать полученные кинетические данные бывает очень трудно. Это происходит, например, если на нескольких каталитических стадиях катализатор дезактивируется. В этом случае нужно провести много кинетических экспериментов, и все равно гарантированно выбрать один подходящий механизм может не получиться.

Чтобы преодолеть эти проблемы, Игорь Ларроса (Igor Larrosa) и Jordi Burés (Хорди Бурес) решили разработать алгоритм машинного обучения, способный предсказывать механизмы каталитических реакций по кинетическим данным.