Pushing Quantum Chemistry by Advancing Photoswitchable Catalysis

Projektinformationen

PushQChem

ID Finanzhilfevereinbarung: 817977

DOI

10.3030/817977

EK-Unterschriftsdatum 19 Dezember 2018

Startdatum 1 Oktober 2019

Enddatum 31 Dezember 2025

Finanziert unter

• EXCELLENT SCIENCE - European Research Council (ERC)

Gesamtkosten

€ 1 949 385,00

EU-Beitrag

€ 1 949 385,00

Koordiniert durch

ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE
Switzerland

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Leistungen

Open Research Data Pilot (1)

Data Management Plan

Creation and submission of a Data Management Plan

Veröffentlichungen

Peer reviewed articles (26)

Modular Synthesis of Benzocyclobutenes via Pd(II)-Catalyzed Oxidative [2+2] Annulation of Arylboronic Acids with Alkenes

Autoren: Takuji Fujii, Simone Gallarati, Clemence Corminboeuf, Qian Wang, Jieping Zhu
Veröffentlicht in: Journal of American Chemical Society, 2022, ISSN 0002-7863
Herausgeber: American Chemical Society
DOI: 10.1021/jacs.2c03565

Reaction-based machine learning representations for predicting the enantioselectivity of organocatalysts

Autoren: Simone Gallarati, Raimon Fabregat, Rubén Laplaza, Sinjini Bhattacharjee, Matthew D. Wodrich, Clemence Corminboeuf
Veröffentlicht in: Chemical Science, 2021, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d1sc00482d

Learning on-top: Regressing the on-top pair density for real-space visualization of electron correlation

Autoren: Alberto Fabrizio, Ksenia R. Briling, David D. Girardier, Clemence Corminboeuf
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 153/20, 2020, Seite(n) 204111, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0033326

How Robust Is the Reversible Steric Shielding Strategy for Photoswitchable Organocatalysts?

Autoren: Simone Gallarati; Raimon Fabregat; Veronika Juraskova; Theo Jaffrelot Inizan; Clemence Corminboeuf
Veröffentlicht in: Journal of Organic Chemistry, Ausgabe 00223263, 2022, Seite(n) 8849–8857, ISSN 0022-3263
Herausgeber: American Chemical Society
DOI: 10.1021/acs.joc.1c02991

Benchmarking machine-readable vectors of chemical reactions on computed activation barriers

Autoren: Puck van Gerwen, Ksenia R. Briling, Yannick Calvino Alonso, Malte Franke, Clemence Corminboeuf
Veröffentlicht in: Digital Discovery, 2024, ISSN 2635-098X
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d3dd00175j

Learning the Exciton Properties of Azo-dyes

Autoren: Sergi Vela, Alberto Fabrizio, Ksenia R. Briling, Clemence Corminboeuf
Veröffentlicht in: Journal of Physical Chemistry Letters, Ausgabe 12, 2021, Seite(n) 5957-5962, ISSN 1948-7185
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jpclett.1c01425

Assessing the persistence of chalcogen bonds in solution with neural network potentials

Autoren: Veronika Juraskova, Frederic Celerse, Ruben Laplaza, Clemence Corminboeuf
Veröffentlicht in: Journal of Chemical Physics, Ausgabe 156, 2022, Seite(n) 154112, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0085153

Mapping Catalyst-Solvent Interplay in Competing Carboamination/Cyclopropanation Reactions

Autoren: Matthew D. Wodrich, Miyeon Chang, Simone Gallarati, Łukasz Woźniak, Nicolai Cramer, Clemence Corminboeuf
Veröffentlicht in: Chemistry - A European Journal, 2022, Seite(n) e202200399, ISSN 0947-6539
Herausgeber: John Wiley & Sons Ltd.
DOI: 10.1002/chem.202200399

Harvesting the fragment-based nature of bifunctional organocatalysts to enhance their activity

Autoren: Simone Gallarati; Ruben Laplaza; Clemence Corminboeuf
Veröffentlicht in: Organic Chemistry Frontiers, Ausgabe 20524110, 2022, Seite(n) 4041-4051, ISSN 2052-4110
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d2qo00550f

Genetic Algorithms for the Discovery of Homogeneous Catalysts

Autoren: Simone Gallarati, Puck van Gerwen, Alexandre A. Schoepfer, Ruben Laplaza, Clemence Corminboeuf
Veröffentlicht in: Chimia, Ausgabe 77, 2023, Seite(n) 39-47, ISSN 2673-2424
Herausgeber: Swiss Chemical Society
DOI: 10.2533/chimia.2023.39

3DReact: Geometric Deep Learning for Chemical Reactions

Autoren: Puck van Gerwen, Ksenia R. Briling, Charlotte Bunne, Vignesh Ram Somnath, Ruben Laplaza, Andreas Krause, Clemence Corminboeuf
Veröffentlicht in: Journal of Chemical Information and Modeling, Ausgabe 64, 2024, Seite(n) 5771-5785, ISSN 1549-9596
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jcim.4c00104

A genetic optimization strategy with generality in asymmetric organocatalysis as a primary target

Autoren: Simone Gallarati, Puck van Gerwen, Ruben Laplaza, Lucien Brey, Alexander Makaveev, Clemence Corminboeuf
Veröffentlicht in: Chemical Science, Ausgabe 15, 2024, Seite(n) 3640-3660, ISSN 2041-6539
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d3sc06208b

Local Kernel Regression and Neural Network Approaches to the Conformational Landscapes of Oligopeptides

Autoren: Raimon Fabregat, Alberto Fabrizio, Edgar A. Engel, Benjamin Meyer, Veronika Juraskova, Michele Ceriotti, Clemence Corminboeuf
Veröffentlicht in: Journal of Chemical Theory and Computation, 2022, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.1c00813

OSCAR: An Extensive Repository of Chemically and Functionally Diverse Organocatalysts

Autoren: Simone Gallarati, Puck van Gerwen, Ruben Laplaza, Sergi Vela, Alberto Fabrizio, Clemence Corminboeuf
Veröffentlicht in: Chemical Science, Ausgabe 20416520, 2022, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d2sc04251g

SPAHM(a,b): Encoding the Density Information from Guess Hamiltonian in Quantum Machine Learning Representations

Autoren: Ksenia R. Briling, Yannick Calvino Alonso, Alberto Fabrizio, Clemence Corminboeuf
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 20, 2024, Seite(n) 1108-1117, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.3c01040

Learning (from) the Electron Density: Transferability, Conformational and Chemical Diversity

Autoren: Alberto Fabrizio, Ksenia Briling, Andrea Grisafi, Clémence Corminboeuf
Veröffentlicht in: CHIMIA International Journal for Chemistry, Ausgabe 74/4, 2020, Seite(n) 232-236, ISSN 0009-4293
Herausgeber: Schweizerische Chemische Gedellschaft
DOI: 10.2533/chimia.2020.232

Impact of quantum-chemical metrics on the machine learning prediction of electron density

Autoren: Ksenia R. Briling, Alberto Fabrizio, Clemence Corminboeuf
Veröffentlicht in: The Journal of Chemical Physcics, Ausgabe 155, 2021, Seite(n) 024107, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0055393

Capturing Dichotomic Solvent Behavior in Solute–Solvent Reactions with Neural Network Potentials

Autoren: Frédéric Célerse, Veronika Juraskova, Shubhajit Das, Matthew D. Wodrich, Clemence Corminboeuf
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 20, 2024, Seite(n) 10350-10361, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.4c01201

Hamiltonian-reservoir Replica Exchange and Machine Learning Potentials for Computational Organic Chemistry

Autoren: Raimon Fabregat, Alberto Fabrizio, Benjamin Meyer, Daniel Hollas, Clémence Corminboeuf
Veröffentlicht in: Journal of Chemical Theory and Computation, 2020, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.0c00100

Tuning the Thermal Stability and Photoisomerization of Azoheteroarenes through Macrocycle Strain**

Autoren: Sergi Vela, Alan Scheidegger, Raimon Fabregat, Clémence Corminboeuf
Veröffentlicht in: Chemistry – A European Journal, Ausgabe 27/1, 2021, Seite(n) 419-426, ISSN 0947-6539
Herausgeber: John Wiley & Sons Ltd.
DOI: 10.1002/chem.202003926

Metric learning for kernel ridge regression: assessment of molecular similarity

Autoren: Raimon Fabregat; Puck van Gerwen; Matthieu Haeberle; Friedrich Eisenbrand; Clémence Corminboeuf
Veröffentlicht in: Machine Learning: Science and Technology, Ausgabe 3, 2022, Seite(n) 035015, ISSN 2632-2153
Herausgeber: IOP publishing
DOI: 10.1088/2632-2153/ac8e4f

Quantum Chemistry Meets Machine Learning

Autoren: Alberto Fabrizio, Benjamin Meyer, Raimon Fabregat, Clemence Corminboeuf
Veröffentlicht in: CHIMIA International Journal for Chemistry, Ausgabe 73/12, 2019, Seite(n) 983-989, ISSN 0009-4293
Herausgeber: Schweizerische Chemische Gedellschaft
DOI: 10.2533/chimia.2019.983

From Organic Fragments to Photoswitchable Catalysts: The OFF–ON Structural Repository for Transferable Kernel-Based Potentials

Autoren: Frédéric Célerse, Matthew D. Wodrich, Sergi Vela, Simone Gallarati, Raimon Fabregat, Veronika Juraskova, Clémence Corminboeuf
Veröffentlicht in: Journal of Chemical Information and Modeling, Ausgabe 64, 2024, Seite(n) 1201-1212, ISSN 1549-9596
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jcim.3c01953

Identifying the Trade-off between Intramolecular Singlet Fission Requirements in Donor–Acceptor Copolymers

Autoren: J. Terence Blaskovits, Maria Fumanal, Sergi Vela, Raimon Fabregat, Clémence Corminboeuf
Veröffentlicht in: Chemistry of Materials, Ausgabe 33/7, 2021, Seite(n) 2567-2575, ISSN 0897-4756
Herausgeber: American Chemical Society
DOI: 10.1021/acs.chemmater.1c00057

Is a Single Conformer Sufficient to Describe the Reorganization Energy of Amorphous Organic Transport Materials

Autoren: Jacob Terence Blaskovits; Kun-Han Lin; Raimon Fabregat; Iwona Swiderska; Helene Wu; Clémence Corminboeuf
Veröffentlicht in: Journal of Physical Chemistry C, Ausgabe 1, 2021, Seite(n) 7355–17362, ISSN 1932-7455
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jpcc.1c04067

SPAHM: the spectrum of approximated Hamiltonian matrices representations

Autoren: Alberto Fabrizio, Ksenia R. Briling, Clemence Corminboeuf
Veröffentlicht in: Digital Discovery, 2022, ISSN 2635-098X
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d1dd00050k

Other (1)

Integer linear programming for unsupervised training set selection in molecular machine learning

Autoren: Matthieu Haeberle, Puck van Gerwen, Ruben Laplaza, Ksenia R. Briling, Jan Weinreich, Friedrich Eisenbrand, Clemence Corminboeuf
Veröffentlicht in: 2024
Herausgeber: Arxiv
DOI: 10.48550/arxiv.2410.16122