2023 Fiscal Year Annual Research Report
Digital Reaction Design and Selectivity Control Based on Machine Learning of Frontier Orbitals and Transition States
Publicly Offered Research
| Project Area | Digitalization-driven Transformative Organic Synthesis (Digi-TOS) |
|---|
| Project/Area Number |
22H05337
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
原田 慎吾 千葉大学, 大学院薬学研究院, 講師 (50722691)
|
|---|
| Project Period (FY) |
2022-06-16 – 2024-03-31
|
| Keywords | シクロヘプタトリエン / ノルカラジエン / 量子化学計算 / 機械学習 / 環化付加型反応 |
|---|
| Outline of Annual Research Achievements |
シクロヘプタトリエン(CHT)類は、化学反応の足掛かりとなる不飽和結合を持っている。CHT は 7 つの炭素原子が環構造を形成した化合物で、6 員環のノルカラジエン(NCD)類と平衡状態で存在する。NCD/CHT と様々な分子の材料となるエノファイルの環化付加型反応を想定した場合、様々な反応パターンが考えられる。また、どのような時に CHT または NCD が選択的に反応するかを解明する研究はほぼ行われていなかった。我々のグループは以前よりカルベン種を用いる不斉脱芳香族化反応の開発に取り組んできた。本研究では継続した研究展開として、カルベン反応によって得られる CHT/NCD の選択的な分子変換法の開発に挑戦した。
我々は、CHT 及び NCD と環化付加型反応が進行するエノファイルの候補を効率的に選抜するため、量子化学計算を用いて反応に関与する分子軌道を解析し、それらを学習データセットとする機械学習モデルを作成した。この機械学習モデルを用いて得られた結果をエノファイルの種類ごとにまとめた。当初は予測精度が低かったものの、モデルチューニングや学習データ数の向上を行うことで精度が上がった。その結果、ニトロソ化合物群とアライン類との反応性が高く、その他の官能基とは反応性が低いと予想された。実験系では、溶媒検討や加熱が必要など、反応条件の最適化が必要だったが、本研究で開発した機械学習モデルがまずまずの精度で反応進行の可否を評価できることがわかった。またアライン種を用いると、NCD と反応して[4+2]-環化付加型反応が進行し、ニトロソ化合物を用いると、CHT と反応して[6+2]-環化付加型反応が進行した。即ち、エノファイルの種類によって異なる反応を起こすことが明らかになり、またほぼ単一の異性体として生成物が単離できた。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
