11月17日消息,ChemRxiv最新收录的预印本(Shiomi、Morimoto、Yoshida,2026-11-17提交)研究了化学合成中最实际的问题之一:在数据量有限时,能否用结构信息预测反应收率。

研究团队在四个规模为96-190个反应的数据集上,系统评估了基于分子指纹的结构回归模型(搭配弹性网络ElasticNet正则化)。结果显示,模型的预测能力呈现明显的反应类型依赖性:在其中两种转化类型上跑赢了「常数收率」基线,包括文献汇编的umpolung酰胺合成数据集;学习曲线进一步显示,在有利情形下仅需20个训练样本即可获得有用的预测。

收率预测一直是AI化学的硬骨头:与产量巨大的高通量筛选数据不同,制药与精细化工的真实项目往往只有几十到一二百个类似反应的历史数据。这项工作的价值在于给出了「什么规模的数据可以开始做预测」的量化参照——20个样本的起步门槛,意味着大多数工艺化学团队在立项阶段即可负担得起这类建模。

对工业路线筛选与工艺开发而言,若结构-收率模型在限定反应类型内可用,可将部分实验迭代前置为计算筛选;但作者也明确指出预测能力因反应类型而异,跨体系外推仍不可靠,模型应作为实验设计的辅助而非替代。 (来源:ChemRxiv)