Analyse Mécanistique et Machine Learning
Auteur / Autrice : | Jules Schleinitz |
Direction : | Laurence Grimaud |
Type : | Projet de thèse |
Discipline(s) : | Chimie Moléculaire |
Date : | Inscription en doctorat le Soutenance le 05/10/2022 |
Etablissement(s) : | Université Paris sciences et lettres |
Ecole(s) doctorale(s) : | École doctorale Chimie moléculaire de Paris Centre |
Partenaire(s) de recherche : | Laboratoire : Laboratoire des biomolécules (Paris ; 2009-....) |
établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....) | |
Jury : | Président / Présidente : Karinne Miqueu |
Examinateurs / Examinatrices : Laurence Grimaud, Christophe Copéret, Thibault Cantat, Ilaria Ciofini | |
Rapporteurs / Rapporteuses : Christophe Copéret, Thibault Cantat |
Mots clés
Mots clés libres
Résumé
Cette thèse a pour objet détudier des réactions chimiques afin doptimiser leurs conditions. Létude mécanistique dune réaction de désoxygénation des N-oxydes de pyridines à laide de techniques expérimentales et de la DFT permet de montrer que létape cinétiquement déterminante est la photo-isomérisation de l'oxyde en oxaziridine. Grâce à létude parallèle du mécanisme de désoxygénation des N-oxydes aliphatiques, des conditions optimales pour la désoxygénation sélective des N-oxydes ont pu être mises au point. Dans la même perspective, pour optimiser les couplages au nickel de composés aromatiques possédant une liaison carbone-oxygène peu activée, une base de données de réactions originale: NiCOlit, a été constituée à partir de la littérature académique. L'analyse de cette base permet de révéler les biais des données de la littérature académique et de donner des règles pour construire un jeu de données en vue de réaliser une prédiction de rendements de réactions assistée par machine learning.