国立蔚山科学技术院Bartosz Grzybowski等报道了一种通过机器学习方法，研究矢量化的非共价相互作用在合成化学中的结构导向作用。通过模型训练后，能够对迈克尔加成和Diels-Alder环加成反应实现达到90 %的准确预测率。这种较高的预测准确度高于传统的机器学习描述符、能量计算结果、实验化学经验等方法获得的结论。

本文要点：

（1）

通过对模型的机器学习，能够外推和研究其他类型的反应，对于反应过渡态结构类似，或者缺少足够的例子进行训练机器学习模型。

（2）

本文研究结果展示了机器学习的模型对揭示反应机理非常重要，在没有经过模型学习时，无法外推至其他反应机理。

参考文献

Martyna Moskal, Wiktor Beker, Sara Szymkuc, Bartosz Grzybowski*, Scaffold‐directed face selectivity Machine‐Learned from vectors of non‐covalent interactions, Angew. Chem. Int. Ed. 2021

DOI: 10.1002/anie.202101986

https://www.onlinelibrary.wiley.com/doi/abs/10.1002/anie.202101986