Химия в России и за рубежом (канал ИОНХ РАН)

Прогнозирования конверсии и селективности моноалкилирования при жидкофазном алкилировании Ученые из Московского государственного университета им. М.В. Ломоносова и Института нефтехимического синтеза им. А.В. Топчиева РАН разработали количественные модели «структура-свойство» для прогнозирования конверсии и селективности моноалкилирования при жидкофазном алкилировании. Рассчитаны двумерные молекулярные дескрипторы для ароматических субстратов и алкилирующих спиртов и выбраны 10 наиболее значимых дескрипторов для каждой целевой переменной. Выявлены химически значимые тенденции: селективность определяется в основном стехиометрией субстрата, площадью поверхности катализатора и электронными свойствами спирта, тогда как конверсия зависит преимущественно от площади поверхности катализатора, кислотности и температуры реакции. Виртуальный скрининг 10 000 гипотетических экспериментов, ограниченных комбинациями субстратов, присутствующими в обучающем наборе, выявил несколько перспективных комбинаций на основе фенола с высокими суммарными показателями. Эти предсказания служат экспериментально проверяемыми гипотезами, модель представляет собой ценный инструмент для оптимизации катализатора и реакции в устойчивом каталитическом алкилировании. Andrei Dubiniak, Sergey Egazar, Anton Maximov. Machine learning prediction of Friedel-crafts alkylation yields: towards rational valorization of biomass-based aromatics and alcohols. Journal of Catalysis, V. 462, 2026, 117099. https://doi.org/10.1016/j.jcat.2026.117099 Источник: ИНХС РАН #российскаянаука