XiaoMi-AI文件搜索系统
World File Search SystemBorylation
无金属磷导向 C(sp2) 硼化
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
氢键导向邻位选择性 CH 硼化...
无需预活化即可对复杂分子进行功能化，从而可以在合成序列的后期引入功能团。[1] 直接 C @ H 硼化尤其令人感兴趣，因为硼功能团可以通过各种各样的转化进行进一步修饰，包括 Suzuki 偶联反应、胺化、羟基化和卤化，从而提供结构和功能的分子复杂性。[2] 对于该应用至关重要的是可以控制反应的选择性，这对于空间和电子失活的 C @ H 键尤其具有挑战性。最近，已经探索了利用底物和金属配合物配体之间的超分子相互作用来控制选择性，[3] 并且这导致了用于电子（未）活化底物的选择性间位或对位 C @ H 硼化的催化剂。 [4] 然而，邻位选择性 C @ H 硼化仅报道用于电子活化芳烃，例如胺、[5] 醇、[6] 或硫醚取代的 [7] 芳烃。二级芳香酰胺是药物、农用化学品和精细化学品中非常常见的结构单元，[8] 因此，此类化合物的邻位选择性 C @ H 硼化将非常有趣。然而，此类化合物的直接邻位 -C @ H 硼化极具挑战性。对于常见的铱-
![增强的 N 导向亲电 C–H 硼化生成具有改善光物理性质的 BN–[5]- 和 [6] 螺旋烯](/simg/g:\will\search\icon\source\b\b522efa6dee813d65eb7420c246b458b19de2b37.webp)
增强的 N 导向亲电 C–H 硼化生成具有改善光物理性质的 BN–[5]- 和 [6] 螺旋烯
用等电子 BN 单元替换 CC 会产生极其相似的分子，但 BN 同类物通常具有不同的性质。1 由于这种现象，将 BN 掺入有机材料中已受到广泛关注，2 目前已成为一种修改物理和光电性质的成熟方法。3 该方法已应用于螺旋烯，发现将 BN 掺入[4]螺旋烯（例如 A 和 B，图 1）的螺旋骨架内可提高其相对于全碳[4]螺旋烯的荧光效率。 4 然而，将 BN 单元纳入更高阶[ n ]螺旋烯（ n = [5]，对构型稳定性必不可少）的螺旋骨架的研究还不够深入，据我们所知，迄今为止尚未报道过更高阶螺旋烯、[5] 和 [6] 螺旋烯（ C 和 D ）的简单 BN 类似物（迄今为止发表的所有例子都是 p 扩展 BN – 螺旋烯，例如 E ）。5
通过σ-c – c键将环丙烷转化为搪瓷...
C - H Borylation的最新步伐显着扩展了我们的工具包，以制备有机货岩的制备。然而，途径替代方法可以通过σ-C - C裂解获得这些化合物，从而促进了分子支架编辑，仍然很少。已经提出了几种方法，用于通过激活C – C键来氢化环丙烷，这些方法通常依赖于贵族和有害的金属催化剂来控制反应结果。在这里，我们提出了一种通过避开任何金属实体的环丙烷开环制作立体化学上精确的γ-硼苯胺的策略。boryl物种是通过与Bcl 3的三元反应，环螺旋体和第三级胺产生的，在N-acyl组的指导下选择性地经历C - C键消除了borylation，从而确保了沿反应途径的增强性和效率。这种固有的立体融合方法可容纳各种几何形状的前体，包括顺式 /反式异构体混合物。
明智的杂种掺杂会产生高性能的深蓝色/近紫外的多滋养热激活的延迟荧光OLED
提出了两个多弹性热激活的延迟荧光（MR-TADF）发射器，并显示了如何进一步的深蓝色MR-TADF Emitter（didobna-n）的blueShifts，blueshifts，并缩小产生新的近乎UV的MR-TADDF EMitter，MESB-DIDOBNA-N，MESB-DIDOBNA，MESB-DIDOBNA-N。didobna-n发出明亮的蓝光（𝚽 pl = 444 nm，fwhm = 64 nm，𝚽 pl = 81％，𝝉 d = 23 ms，tspo1中的1.5 wt％）。基于此扭曲的MR-TADF化合物的深蓝色有机发光二极管（OLED）显示，CIE Y的设备为0.073的设备的最大最大外部量子效率（EQE MAX）为15.3％。融合的平面MR-TADF发射极，MESB-DIDOBNA-N显示出近量的较小和窄带（𝝀 pl = 402 nm，fWHM = 19 nm，𝚽 pl = 74.7％，𝝉 d = 133 ms，TSPO1中的1.5 wt％）。掺有共同主持人的MESB-DIDOBNA-N最好的OLED显示出近紫外OLED的最高效率为16.2％。以0.049的CIE坐标为0.049，该设备还显示了迄今为止MR-TADF OLED的最蓝EL。
3D打印时间轴的历史
机器学习正在通过加速发现清洁能源和其他应用的新材料来改变材料科学领域。一些研究人员强调了机器学习对革命材料发现的潜力，引用了诸如使用机器学习算法来预测材料特性并优化合成条件的例子。研究人员一直在探索在各个领域的机器学习和人工智能的使用，包括材料科学，化学和计算机视觉。*在材料科学中，研究人员使用机器学习来加速具有特定特性的新材料。*在化学中，已经应用了机器学习来预测分子的特性而无需其晶体结构。*在计算机视觉中，研究人员开发了使用神经网络将PDF文档转换为其他格式的技术。具体研究包括： *关于使用复发的神经网络进行鲁棒性PDF文档转换的研究 *关于从化学计量的深度表示学习以预测材料属性的研究的研究 *开发用于对Corpora进行深入数据探索的平台，使用机器学习的使用来加速这些领域，并在这些领域中发现了各种领域，并在这些领域中发现了各种领域，并在这些领域中表现出了各种挑战，并在机器上进行了挑战。 研究。贝叶斯优化是一种用于有效搜索和采样的方法，已应用于药物发现，有机材料设计和虚拟筛选。（2018）。（2020）。近年来材料和化学发现领域已取得了重大进步，研究人员采用各种机器学习技术来加速大型化学空间的探索和优化。研究人员还探索了数据驱动方法（例如K-均值聚类）的使用，以优化批处理贝叶斯优化。此外，为分子图生成而开发了语法变化自动编码器和连接树变异自动编码器之类的技术。其他值得注意的进步包括开发用于直接闭环材料发现的算法，序列生成模型的客观增强生成对抗网络以及Mol-Cyclegan，Mol-Cyclegan是分子优化的生成模型。此外，研究人员还采用了机器学习技术来加速虚拟筛查，以发现适合于COVID-19的治疗剂。作品建立在现有文献的基础上，包括拉斯穆森（Rasmussen）关于机器学习的高斯流程的论文，罗杰斯（Rogers）的扩展连通性指纹，而语言模型上的棕色是很少的学习者。该领域继续随着机器学习和计算机科学的新技术和方法的整合而继续发展，从而为材料和化学发现提供了更高效，更可扩展的方法。研究人员在开发设计化学和分子的生成模型方面取得了重大进展。一种方法涉及使用变压器生成分子，该分子可用于诸如材料设计之类的应用。（2019）。J. Chem。 物理。J. Chem。物理。另一种方法使用基于注意力的卷积编码器来预测抗癌化合物的灵敏度。除了生成模型外，研究人员还开发了预测化学反应和从基于文本的化学反应表示的实验程序的方法。这些方法涉及使用基于变压器的模型并探索超图表以预测返回途径。此外，研究人员还创建了机器人平台，以通过AI规划告知的有机化合物以及可以自动执行化学反应的移动机器人的流动合成。这些进步有可能加速发现新的化学物质和材料。在其他领域，研究人员在使用神经序列到序列模型以及为高级光聚合物材料设计照片酸性发生器时，在预测复杂有机化学反应的结果方面取得了进展。总体而言，这些进步证明了机器学习和AI在化学领域的力量，从而使新化学品和材料更快，更有效地发现了。最近的光构成方面的突破导致了材料科学的显着进步，特别是在阳离子聚合中。Crivello and Lam（1979）的研究引入了Triarylsulfonium盐作为新的光构体，随后发现了日记二元盐（Crivello＆Lam，1977）。这些创新为更有效，更精确的材料发展铺平了道路。然而，随着对光刻化学的监管审查，研究人员必须专注于科学驱动的创新。Tvermoes and Speed（2019）的研究强调了需要解决这些挑战的最先进解决方案的必要性。此外，对光酸发生器的环境影响的调查还揭示了与使用相关的潜在风险。理论模型，例如密度功能理论，已经有助于理解不同条件下材料的行为。Runge and Gross的作品（1984）为该领域奠定了基础，而Barca等人的最新研究。（2020）演示了先进的计算方法在材料科学上的应用。人工智能（AI）的整合正在改变研究人员对待物质发现的方式。AI驱动的工具来预测物理化学特性和环境命运终点。此外，Ristoski等人展示的是聚合物发现的专家AI。合成方法中的创新也具有先进的材料科学。钯催化的芳基磺硫化的芳基硫化。（2017），为材料开发开辟了新的途径。通过Huang等人的工作实现了芳基硫盐的氧化还原中性植物。材料科学与AI的交集正在驱动该领域的范式转移。随着研究人员继续利用机器学习和人工智能的力量，我们可以期望在材料开发和发现中取得进一步的突破。参考文献：Barca，G。M. J.等。物理。一般原子和分子电子结构系统的最新发展。152，154102（2020）。Carrete，J.，Li，W.，Mingo，N.，Wang，S。和Cortarolo，S。通过高通量材料建模，找到了前所未有的低热传导性半导体半导体。修订版x 4，011019（2014）。Crivello，J。V.和Lam，J。H. W.与三硫硫硫盐的光启动阳离子聚合。J. Polym。 SCI。 A：Polym。 化学。 17，977–999（1979）。 Crivello，J。V.和Lam，J。H. W.二二元盐。 新的用于阳离子聚合的光构体。 大分子10，1307–1315（1977）。 Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。J. Polym。SCI。 A：Polym。 化学。 17，977–999（1979）。 Crivello，J。V.和Lam，J。H. W.二二元盐。 新的用于阳离子聚合的光构体。 大分子10，1307–1315（1977）。 Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。SCI。A：Polym。化学。17，977–999（1979）。 Crivello，J。V.和Lam，J。H. W.二二元盐。 新的用于阳离子聚合的光构体。 大分子10，1307–1315（1977）。 Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。17，977–999（1979）。Crivello，J。V.和Lam，J。H. W.二二元盐。新的用于阳离子聚合的光构体。大分子10，1307–1315（1977）。Huang，C。等。 通过光激活芳基硫盐的氧化还原性含量。 org。 Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。Huang，C。等。通过光激活芳基硫盐的氧化还原性含量。org。Lett。 21，9688–9692（2019）。 Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。 ACS Catal。 8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。Lett。21，9688–9692（2019）。Minami，H.，Otsuka，S.，Nogi，K。，＆Yorimitsu，H。用Diborons的芳基磺硫酸硫化硫化的含量。ACS Catal。8，579–583（2017）。 Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J. Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。8，579–583（2017）。Mansouri，K.，Grulke，C.M.，Judson，R.S。和Williams，A。J.Opera模型，用于预测理化特性和环境命运终点。 J.化学形式学10，10（2018）。 Ristoski，P。等。 专家AI用于聚合物发现。 in：proc。 第29届ACM信息与知识管理国际会议（ACM，2020年）。 Runge，E。和Gross，E。K.时间相关系统的密度官能理论。 物理。 修订版 Lett。 52，997（1984）。Opera模型，用于预测理化特性和环境命运终点。J.化学形式学10，10（2018）。Ristoski，P。等。专家AI用于聚合物发现。in：proc。第29届ACM信息与知识管理国际会议（ACM，2020年）。Runge，E。和Gross，E。K.时间相关系统的密度官能理论。物理。修订版Lett。 52，997（1984）。Lett。52，997（1984）。52，997（1984）。Shipley，G。和Dumpleton，G。Openshift for Developers：不耐烦的初学者指南（O'Reilly Media，Inc.，2016年）。探索了材料科学中的软机器人假肢和人工智能应用。讨论了AI技术的集成，突出了其潜在的好处和用途。