Machine Learning in Chemistry: Optimisation de la réaction bayésienne

Cette séance de cours explore l'application de la machine learning en chimie, en mettant l'accent sur l'optimisation de la réaction bayésienne à l'aide d'une plateforme robotisée de synthèse de flux. L'instructeur discute du transfert du fardeau expérimental de l'homme aux machines, de la planification de synthèse assistée par ordinateur, de la chimie en flux continu et du programme Make-It de la DARPA. La séance de cours porte sur l'intégration de l'analyse, le cycle d'expérimentation en boucle fermée et l'optimisation des itinéraires à plusieurs étapes et des processus en aval. Diverses techniques d'analyse, des lacunes d'automatisation et l'utilisation d'algorithmes d'optimisation bayésiens sont mises en évidence. On discute également des données FT-IR en temps réel, de l'optimisation multi-objectifs et de la visualisation des surfaces de réponse, ainsi que du résumé du projet et des perspectives d'avenir.