红外光谱描述符：催化反应产率预测的新范式与实验空间重构

本文聚焦红外（IR）光谱描述符在催化反应产率预测中的突破性应用，通过wavenumber-based IR descriptors（如WaveIR017）精准捕获配体结构-电子特性，显著优于传统分子描述符（OHE/Mordred/MACCS等），为反应空间优化提供兼具高精度与化学可解释性的新工具。

　　

红外光谱描述符在催化反应产率预测中的创新应用

基于红外（IR）光谱的分子描述符设计正成为催化反应产率预测领域的新突破点。传统分子描述符如Mordred、MACCS keys、Morgan指纹等，虽广泛应用于机器学习（ML）模型，却难以精准捕获配体结构-电子特性的协同效应。本文通过系统研究证实，wavenumber-based IR descriptors（如WaveIR017）在Pd催化芳基化与Suzuki-Miyaura偶联（SMC）反应中，显著提升产率预测精度，为实验空间重构提供新范式。

描述符设计策略与光谱特征提取

研究采用密度泛函理论（DFT）计算获取配体IR光谱，聚焦0-4000 cm^-1与0-1700 cm^-1两个关键区域。通过k-means聚类构建两类描述符：Intensity-based IR descriptor（IntIR）提取谱峰强度特征，Wavenumber-based IR descriptor（WaveIR）则基于波数信息编码分子振动模式。实验表明，WaveIR在保留化学可解释性的同时，具备更优的计算稳定性。

数据集构建与模型验证

研究选用两个典型催化反应数据集：Shields等报道的直接Pd催化芳基化反应（12种配体×4种碱×4种溶剂）与Perera等的SMC反应数据。采用Leave-One-Group-Out（LOGO）交叉验证评估模型泛化能力，对比OHE、Mordred、MACCS、Morgan指纹、RDKit及DFT描述符性能。结果显示，WaveIR017在Pd催化芳基化中取得最佳效果（R²=0.49，MAE=13.35，ρ=0.71），WaveIR040在SMC中表现最优（R²=0.54，MAE=12.26，ρ=0.72）。

指纹区描述符的显著优势

限制波数范围至0-1700 cm^-1（指纹区）的WaveIR017描述符，在Pd催化反应中预测精度提升23%。该区域富含分子结构特征，有效规避1700-4000 cm^-1功能基团区引入的噪声。相较之下，IntIR因强度计算对电子分布敏感，预测稳定性不足。这一发现为IR光谱在ML应用中的参数选择提供重要依据。

预测误差与实验变异性关联

分析显示，实验产率标准差（STD）与预测平均绝对误差（MAE）呈显著正相关（Pearson r=0.796-0.854），表明实验数据波动是模型误差主要来源。值得注意的是，MAE与Spearman秩相关系数（ρ）无显著关联，证明即使绝对误差较大，WaveIR仍能保持条件排序准确性，对实验设计具有实用价值。

结论与展望

wavenumber-based IR descriptors通过同时编码电子与结构特征，在小样本数据集（如高通量实验HTE）中展现优异泛化性能。指纹区描述符在提升预测精度的同时，增强模型化学可解释性。未来研究可结合溶剂/碱基等参数的高级描述符设计，进一步推动反应空间优化范式革新。