量子机器学习在催化化学研究中的应用

量子机器学习融合了量子化学与机器学习的优点,具有比传统密度泛函理论更快的计算速度和更高的准确性.量子机器学习可为复杂、多维、多尺度的催化化学提供更智能和有效的研究方式,通过训练可靠的数据及建立合理的模型和算法,快速、准确地预测最优的催化剂设计参数、最佳的催化剂材料的合成方法和反应条件、以及催化剂结构和性能之间的关系.作者就量子机器学习应用于催化材料的设计、催化反应性能和催化反应机理三方面的发展趋势进行了概述.     

钯催化的烯烃与三嗪烷氢胺羰基化反应研究

酰胺类化合物广泛应用于医药、农药、材料、合成化学等领域,因此,新型且高效合成酰胺的方法一直具有很高的关注度.我们首次使用环状脂肪三级胺类化合物—1,3,5-三嗪烷作胺源,成功解决了钯催化的烯烃氢胺羰基化反应领域中脂肪胺对钯催化剂的毒化问题,合成了多种烷基支链酰胺化合物,并提出了可能的反应机理.