Differentiating the Yield of Chemical Reactions Using Parameters in First-Order Kinetic Equations to Identify Elementary Steps That Control the Reactivity from Complicated Reaction Path Networks

速率方程 反应速率常数 产量(工程) 常微分方程 反应速率 化学 路径(计算) 基本反应 吉布斯自由能 催化作用 化学动力学 热力学 微分方程 数学 计算机科学 动力学 物理 有机化学 数学分析 经典力学 程序设计语言
作者
Yu Harabuchi,Tomohiko Yokoyama,Wataru Matsuoka,Taihei Oki,Satoru Iwata,Satoshi Maeda
出处
期刊:Journal of Physical Chemistry A [American Chemical Society]
卷期号:128 (14): 2883-2890
标识
DOI:10.1021/acs.jpca.4c00204
摘要

The yield of a chemical reaction is obtained by solving its rate equation. This study introduces an approach for differentiating yields by utilizing the parameters of the rate equation, which is expressed as a first-order linear differential equation. The yield derivative for a specific pair of reactants and products is derived by mathematically expressing the rate constant matrix contraction method, which is a simple kinetic analysis method. The parameters of the rate equation are the Gibbs energies of the intermediates and transition states in the reaction path network used to formulate the rate equation. Thus, our approach for differentiating the yield allows a numerical evaluation of the contribution of energy variation to the yield for each intermediate and transition state in the reaction path network. In other words, a comparison of these values automatically extracts the factors affecting the yield from a complicated reaction path network consisting of numerous reaction paths and intermediates. This study verifies the behavior of the proposed approach through numerical experiments on the reaction path networks of a model system and the Rh-catalyzed hydroformylation reaction. Moreover, the possibility of using this approach for designing ligands in organometallic catalysts is discussed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SciGPT应助waws采纳,获得10
刚刚
mouxq发布了新的文献求助10
1秒前
2秒前
2秒前
驿寄梅花完成签到,获得积分10
3秒前
3秒前
3秒前
4秒前
4秒前
哎呀妈呀发布了新的文献求助10
5秒前
auguste发布了新的文献求助10
6秒前
11完成签到,获得积分20
7秒前
一笑倾城发布了新的文献求助10
9秒前
zho发布了新的文献求助10
9秒前
10秒前
自渡发布了新的文献求助10
10秒前
yoyo完成签到,获得积分10
11秒前
IKUN发布了新的文献求助20
12秒前
yyy完成签到 ,获得积分10
12秒前
11发布了新的文献求助10
12秒前
科研通AI2S应助科研通管家采纳,获得10
13秒前
Jasper应助科研通管家采纳,获得10
13秒前
星辰大海应助科研通管家采纳,获得10
13秒前
传奇3应助科研通管家采纳,获得10
14秒前
桃子应助科研通管家采纳,获得50
14秒前
CodeCraft应助科研通管家采纳,获得10
14秒前
14秒前
西北吴彦祖完成签到,获得积分10
15秒前
15秒前
16秒前
六烃季铵完成签到,获得积分10
17秒前
神内打工人完成签到 ,获得积分10
18秒前
momo完成签到,获得积分10
18秒前
18秒前
冷静雅香发布了新的文献求助10
20秒前
KEHUGE发布了新的文献求助10
20秒前
mumu完成签到 ,获得积分10
21秒前
调研昵称发布了新的文献求助10
21秒前
IKUN完成签到,获得积分10
22秒前
小小宇宇关注了科研通微信公众号
23秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248513
求助须知:如何正确求助?哪些是违规求助? 2891903
关于积分的说明 8269128
捐赠科研通 2559920
什么是DOI,文献DOI怎么找? 1388768
科研通“疑难数据库(出版商)”最低求助积分说明 650897
邀请新用户注册赠送积分活动 627798