《上海交通大学学报》2023年“化学化工”专题

专题

图片丢失啦 《上海交通大学学报》2023年“化学化工”专题

该专辑汇总了2023年《上海交通大学学报》出版的12期文章中化学化工领域的文章，以期更好服务于高校师生及众多研究所科研人员，促进最新学术成果的传播。
欢迎相关领域的各位学者下载、引用！

默认最新文章浏览次数

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 镍催化下乙腈为氰源的芳基三氟甲磺酸酯氰化反应

周堃, 沈增明

上海交通大学学报 2023, 57 (10): 1245-1249. DOI: 10.16183/j.cnki.jsjtu.2022.108

摘要（186）

HTML （20）

PDF（pc）（954KB）（107）

经典的氰化反应中多使用剧毒的金属氰源或合成复杂的有机氰源,这些氰源由于各自存在缺陷,都有一定局限性.将镍催化下低毒、廉价的乙腈作为氰源,以芳基三氟甲磺酸酯作为底物,对催化剂、配体、添加剂、温度等条件进行筛选,以物质的量分数为0.1的 Ni(OTf)₂作为催化剂,物质的量分数为0.1的1, 3-双(二苯基膦)丙烷作为配体,物质的量分数为2的 Zn作为还原剂,物质的量分数为0.2的Zn(OTf)₂作为添加剂,0.7 mL乙腈作为溶剂,氮气保护下,100 ℃反应60 h,成功实现芳基腈的高效合成.在该反应条件下,给电子取代基的底物展现出高效的反应性.该方法第一次实现镍催化下芳基三氟甲磺酸酯的氰化反应,成功使用绿色、经济的乙腈溶剂作为该反应的氰源.

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

2. 机器学习在化学合成及表征中的应用

孙婕, 李子昊, 张书宇

上海交通大学学报 2023, 57 (10): 1231-1244. DOI: 10.16183/j.cnki.jsjtu.2023.078

摘要（429）

HTML （48）

PDF（pc）（4421KB）（359）

自动化化学合成是化学领域长期追求的目标之一.近年来,机器学习的出现使得实现这一目标有了可能.以数据驱动为核心的机器学习借助计算机学习海量化学数据中的信息,寻找信息之间的客观联系和规律,根据已有规律和信息训练生成模型,借助模型预测分析需解决的实际问题.机器学习因其出色的计算预测能力,帮助化学工作者快速高效解决化学合成问题,加快研究进程.机器学习的出现和发展对化学合成及表征领域展示出强大的研究助力作用,但目前并不存在通用性极强的机器学习模型,化学工作者仍需根据实际情况选择不同模型进行训练学习.从监督学习、无监督学习、半监督学习、强化学习等机器学习的角度,向化学工作者展示常见学习方法在化学合成及表征中应用的最佳案例,帮助其利用机器学习知识进一步拓宽研究思路.

图表 | 参考文献 | 相关文章 | 多维度评价 | 评论（0）