点击文末阅读原文可直达文献
光催化反应在制药和材料科学中的应用前景广阔，但其开发过程往往耗时长、效率低。本研究提出了一种结合微流控技术和人工智能（AI）的自动化光催化合成系统，能够进行超高通量的反应筛选，每日最多可完成10,000种反应条件的筛选。该系统不仅极大地提高了反应速度，同时实现了反应条件的智能优化，为光催化合成的高效开发提供了新路径。
成果简介
本研究构建了一个基于液芯波导的微流控光催化系统，通过集成450 nm激光和冷却技术，使光催化反应时间从传统的小时级缩短到秒级。该系统在光催化[2+2]环加成反应的筛选中，能够在32秒内完成每个反应的数据采集，大幅提升了反应筛选效率。通过AI辅助的吸光度预测算法，系统还实现了稳态吸光度数据的非稳态预测，突破了当前筛选系统中等待时间过长的问题。
研究亮点
超高通量光催化筛选系统：每秒级完成光催化反应，大幅提高了传统反应筛选的速度和规模。
AI辅助吸光度预测：借助AI模型解决非稳态数据的稳态预测问题，提高数据采集和处理效率。
温控设计：创新的冷却设计解决了高强度光照下的热效应问题，确保了反应的产率和选择性。
配图精析
图1：系统的总体结构示意图，包括液体处理模块、光源模块、微流控光催化反应器和在线UV-Vis检测模块。
图2：展示了[2+2]环加成反应中12,000个条件的变量设置，包括反应流速、光强度、底物和光催化剂的种类和浓度。
图3：不同条件下的吸光度信号记录，比较了稳态和非稳态模式下的信号峰。
图4：AI模型的吸光度预测性能，展示了10种回归模型中XGB模型的最优表现。
图5：各变量对光催化反应产率的影响，发现光强度和反应流速对产率影响最大。
图6：AI辅助的跨底物、跨催化剂产率预测，展示了不同底物和催化剂组合下的产率分布。
展望
本研究展示了一种集成AI和微流控技术的自动化光催化反应筛选系统，其极高的筛选通量和数据预测能力为光催化合成的快速开发奠定了基础。未来，通过进一步优化AI算法和实验流程，该系统有望应用于更广泛的有机合成和材料开发中。
文献信息
期刊：Nature Communications
DOI：10.1038/s41467-024-53204-6
原文链接：https://doi.org/10.1038/s41467-024-53204-6
点击阅读原文直达文献~
声明：更多内容请参考原文，如有侵权，后台联系编辑删除。
