你有没有只看到一个电视节目的结尾，想知道故事是如何发展到那个结局的?以类似的方式，化学家通常会想到一个想要的分子，并想知道什么样的反应可以产生它。化学反应设计与发现研究所 (ICReDD) 和北海道大学的前田小组的研究人员开发了一种方法，该方法可以仅使用以下信息预测多步化学反应的“故事”(即起始材料和反应路径) “结束”(即产品分子)。

预测目标产物分子的配方，除了分子本身之外没有其他知识，将是加速发现新反应的有力工具。Maeda 小组之前开发了一种计算方法，成功地以这种方式预测单步反应。然而，扩展到多步反应会导致可能的反应途径数量急剧增加——这就是所谓的组合爆炸。这种复杂性的急剧增加导致了高得令人望而却步的计算成本。

为了克服这一限制，研究人员开发了一种算法，通过在反应的每个步骤中丢弃不太可行的路径来减少需要探索的路径数量。在计算反应中后退一步的所有可能路径后，动力学分析方法评估每条路径产生目标分子的程度。不产生高于预设阈值百分比的目标分子的反应路径被认为不够重要，因此不会进一步探索。

这种探索、评估和丢弃反应路径的循环在多步反应中的每一步都重复进行，并减轻通常会发生的组合爆炸，使多步反应更易于计算。以前的方法仅限于单步反应，而这种新方法能够预测涉及超过 6 个步骤的反应，标志着能力的重大飞跃。

作为概念验证测试，研究人员在两个众所周知的多步反应上测试了该方法，即 Strecker 和 Passerini 反应。为每个反应提出了数千种起始材料候选者，根据稳定性和产物收率将其过滤为最有希望的候选者。至关重要的是，在所提议的候选材料中，每个反应都使用了众所周知的起始材料，这证实了该技术能够仅从目标产物分子中识别出实验上可行的起始材料。

尽管需要进一步的工作来预测更大和更复杂的系统，但研究人员预计，处理多步骤过程的这一突破将加速新化学反应的发现。

“这项工作提供了一种独特的方法，因为这是第一次使用量子化学计算对多步反应进行反向预测，而无需使用任何有关反应的知识或数据，”前田聪教授说。“我们希望这项技术能够发现完全无法想象的化学转化，在这种情况下，几乎没有知识或实验数据可供使用。”