“基于直覺的優化”主要涉及經驗豐富的化學家觀察來改進反應指標的優化。除了通過化學直覺進行優化外，一次一個因素 （OFAT） 方法通常可以替代化學過程優化和理解的方法。這主要是在學術界進行的，并且存在結構化但易于遵循的程序，使這種技術看起來既有效又易于使用。OFAT 方法本身需要一些科學直覺，其中實驗是通過修復除一個之外的所有過程因素來迭代進行的。在確定一個因子的最佳值后，該值是固定的，同時執行另一組實驗以優化另一個因子，直到每個因子都得到優化并且科學家認為它們已經達到最佳反應條件。這些因素可以是任意數量的實驗條件（如溫度、化學計量、反應時間等），當它們組合在一起時，構成一個多維空間，其中包含許多可能的因素組合以構成一個實驗。這稱為參數空間，并受每個因子的上限和下限（例如，最大和最小溫度）的約束。

        作為一種優化技術，OFAT 方法通常不準確且效率低下，并且該方法經常誤解化學過程，因為沒有考慮所考慮因素之間的任何協同效應。實驗因素之間的相互作用被忽略，因為這種線性實驗程序被應用于僅給出非線性響應的化學反應輸出。這種非線性可以通過統計或物理建模來解釋，但不能使用OFAT進行探索，因此OFAT經常錯誤地識別出真正的最佳反應條件。OFAT活動的示例示意圖如圖1所示，映射到化學反應的給定參數空間的響應表面上（其中考慮了試劑當量和溫度）。隨著溫度的固定，優化被初始化，并執行迭代實驗（1–7）以確定最佳試劑當量。在實驗 5 中找到該值后，進行后續實驗 （8–14） 以確定最佳溫度。由于此示例中僅考慮了兩個因素，因此優化現已完成，并發現了一組假定為最佳的實驗條件。然而，由于無法先驗地知道真實化學實例的響應面，因此很難估計與這組已確定的最佳條件和系統的真正最優條件的距離。

圖 1. 不同溫度和試劑當量下的 OFAT 實驗程序示例，其中 ○ 表示編號的實驗數據點，藍色區域表示參數空間的真正最佳區域。 響應表面的輪廓從紅色（低響應）到藍色（高響應）。

通常，科學家會進行 OFAT 活動，因為該方法可以在沒有數學建模的情況下進行，這是進行基于實驗室的實驗時的一個關鍵優勢，也是它普遍存在的一個主要原因。Abtahi 和 Tavakol 最近的一個例子顯示了使用OFAT優化在合成生物活性炔丙胺支架時實現公平的產量。對模型反應進行優化，如方案1所示，然后將確定的反應條件應用于幾種底物，收率為38-91%。優化過程從確定溫度和反應時間開始，并優化反應介質和催化劑以獲得最高的反應收率。然后，隨著溫度和反應時間的優化，固定反應介質和催化劑，然后固定除催化劑負載以外的所有因素，因為該因素最終得到優化，在模型反應中實現了75%的收率。

方案1. 用于 OFAT 優化的模型反應，用于合成丙炔胺衍生物

文獻中有幾個例子說明該技術在各種化學中的應用，在許多情況下具有不同程度的應用化學直覺，但仍遵循OFAT方法的結構。（在我們自己的實驗室中，當本科生化學家被賦予優化反應的任務時，學生通常會采用OFAT技術，因為他們不知道其他優化方法。這不是學生的錯，也不是學者以這種方式優化反應的錯，因為這確實是一種提高反應產率的基本技術。然而，隨著研究實驗室開始通過采用自動化逆合成軟件和實驗等先進技術來使其設備多樣化，對于化學家來說，通過多樣化自己的技能組合來充分利用不斷發展的實驗室的能力，以同樣的速度發展也很重要。近年來，合成化學家已經開始接受過程化學、化學工程、分析化學和計算機科學等方面。同時，促進更好地理解和采用反應優化方法也很重要，因為OFAT優化已被更強大、更有效的技術所取代。因此，本文將OFAT的化學反應優化納入本文，以進行比較。

文章來源：

A Brief Introduction to Chemical Reaction Optimization （2023）

https://doi.org/10.1021/acs.chemrev.2c00798