Butler, F., Fiorentini, F., Eisenhardt, K. H. S., & Williams, C. K. (2025). 프로펜 옥사이드와 이산화탄소의 개환 공중합을 위한 이핵 Co(III)Na(I) 촉매. Macromolecules, 58(14), 7150–7160. https://doi.org/10.1021/acs.macromol.5c01529

네 가지 Co(III)Na(I) 촉매(L1-4 Co(III)Na(I))를 합성하고, PO와 CO2의 개환 공중합(ROCOP)을 통한 폴리카보네이트 형성 가능성을 조사했다. 목표는 Co(III)/Na(I) 금속 시스템에 대해 최적의 리간드 배위 환경과 운전 조건을 식별하는 것이었으며, 세 가지 서로 다른 조건에서 촉매 성능을 평가했다. 리간드는 디이미인 링크er(에틸 및 디메틸 프로필 링크er)와 에터 부위의 산소 공여 원자 수(5개 및 6개)에 초점을 맞춘 체계적인 변형을 가졌다. 이러한 변형은 DFT 계산에서 속도 결정 단계 및 선택성 결정 단계 동안 금속 부위에 영향을 미친다고 지적되었기 때문에 선택되었다.

“반응 속도는 operando ATR-IR 분광법으로 모니터링했으며, 폴리카보네이트의 C=O 신축에 해당하는 1750 cm–1 피크와 고리형 카보네이트 부산물의 C=O 신축에 해당하는 1810 cm–1 피크의 세기 증가를 관찰하였다. IR 흡광도 값은 반응 종료 시 채취한 aliquot의 1H NMR 스펙트럼 적분을 통해 전환율에 대해 보정하였다. ln([PO]t/[PO]0)와 시간의 반로그 그래프는 선형이며, 관측된 의사 1차 속도상수 kobs는 기울기의 절댓값으로 계산되었다. 관측된 촉매 활성의 비교 결과, 계열 전반에 걸쳐 유의한 차이가 나타났으며, L1Co(III)Na(I)가 가장 우수한 성능을 보였다… kobs와 TOFPPC 측면에서의 촉매 활성은 나머지 계열에서 다음 순서로 감소하였다: L2Co(III)Na(I), L3Co(III)Na(I), L4Co(III)Na(I).” 

Chai, K., Xia, W., Shen, R., Luo, G., Cheng, Y., Su, W., & Su, A. (2024). FTIR 인라인 분석을 활용한 이종 연속 흐름 수소화 최적화: 다목적 베이지안 최적화와 속도론 모델링의 비교 연구. Chemical Engineering Science, 302, 120901. https://doi.org/10.1016/j.ces.2024.120901

중요한 농약 중간체인 2-아미노-3-메틸벤조산(AMA)의 합성에서, 3-메틸-2-니트로벤조산(MNA)의 수소화를 위해 이종 연속 흐름 시스템이 구축되었다. 이 시스템에는 현장 IR 모니터링이 장착되었고, 수집된 데이터는 인공신경망(ANN) 모델로 처리되어 MNA와 AMA의 실시간 농도를 산출했다. 데이터가 풍부한 실험을 통해 다목적 베이지안 최적화(MOBO)와 속도론 모델링을 비교했다. MOBO 방법은 파레토 최적 파라미터 조합을 효율적으로 정의하여 수율과 생산성 간의 균형에 대한 철저한 이해를 가능하게 했다. 속도론 모델링은 수소화 활성화 에너지를 결정하고 수소 흡착을 경쟁적 해리로 특성화했다.   속도론 모델에서 생성된 반응 곡면 또한 수율 및 생산성 최적화에 대한 통찰을 제공했다. 

 “인라인 FTIR 스펙트럼 처리는 보고된 문헌에 따라 ANN 모델링으로 수행되었다. 서로 다른 농도의 메탄올 용액 내 MNA와 AMA 여러 그룹을 준비하고, 해당 인라인 FTIR 스펙트럼 데이터를 학습 세트와 검증 세트로 수집하였다… 학습 과정에서 합성곱 층 하나 뒤에 밀집 층들이 이어지는 구조를 검토하였다. 스펙트럼 데이터는 Conv1D 합성곱 층에서 특성 추출을 위해 처리되어 데이터의 가중치를 선별하였다. سپس, 밀집 층들에서 서로 다른 함수들을 통해 데이터 차원 축소를 수행하였다. 마지막으로 출력 층이 MNA와 AMA의 예측 농도를 출력하였다.” 

Xia, W., Zhan, Y., Xia, J., Luo, G., Su, W., Chai, K., & Su, A. (2025). RuPt@g-C3N4 상의 바이오매스 유래 HMF 수소화에 대한 지속가능한 연속 흐름 촉매작용 및 베이지안 최적화. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.5638748

바이오매스 유래 5-하이드록시메틸푸르푸랄(HMF)은 수소화되어 2,5-푸란디메탄올(BHMF)이 될 수 있으며, 이는 생분해성 고분자, 연료 첨가제 및 고부가가치 정밀 화학물질 합성의 중요한 출발 물질이다. 이 합성은 촉매, 용매 및 선택성과 수율에 영향을 미치는 반응 변수에 의해 영향을 받는 여러 경쟁적 수소화 경로가 존재한다는 점에서 어렵다. 반응 조건에 대한 제어가 향상되므로, 선택적 HMF 수소화에는 연속 흐름 반응기를 사용하는 데 큰 장점이 있다. 따라서 이 프로젝트의 목표는 RuPt@g-C3N4 촉매 시스템과 물을 용매로 사용하는, HMF를 BHMF로 수소화하기 위한 효과적이고 친환경적인 연속 흐름 시스템을 개발하는 것이었다. 개발 방법론은 반응 조건의 베이지안 최적화와 반응 동역학의 인라인 FTIR 기반 정량 추적을 활용했다.  저자들은 반응 조건 스크리닝과 촉매 조성 설계 모두에 베이지안 최적화를 사용하는 것이 바이오매스 유래 화학 플랫폼 분자 합성을 최적화하는 효과적인 접근법을 제공한다고 언급한다.

  “반응 용액 내 HMF와 BHMF의 농도는 인라인 FTIR 분광법을 사용하여 실시간으로 모니터링되었다… 수소화 메커니즘을 조사하기 위해, RuPt@g-C3N4가 충전된 연속 흐름 고정층 반응기에서 최적 조건하에 실험을 수행하였다... 반응 중간체의 뚜렷한 피크는 관찰되지 않았다. 이는 RuPt 이중금속 부위의 높은 고유 활성과 낮은 피복률에서 주로 촉매-기질 계면에 일시적 중간체가 존재한다는 점을 반영하는 것으로 보인다…”

Wei, D., Ma, K., Ni, L., Mebarki, A., Fu, G., & Jiang, J. (2025). 열 안전성 향상: 산 촉매 tert-부틸 퍼옥시피발레이트 합성의 배치에서 흐름 공정 전환. Chemical Engineering Journal, 523, 168103. https://doi.org/10.1016/j.cej.2025.168103

퍼옥시에스터의 합성은 발열 반응과 불안정한 화합물의 존재로 인해 본질적인 열 안전성 문제를 지닌다. 본 연구에서는 tert-부틸 퍼옥시피발레이트(TBPP)를 형성하는 산 촉매 아실화를 원팟 반배치 공정에서 흐름 공정으로 전환하여 안전성을 향상시켰다. 이 아실화의 메커니즘을 더 잘 이해하기 위해 밀도 범함수 이론(DFT) 계산과 현장 IR 특성화가 사용되었다. 반배치 반응의 경우, 반응의 열적 거동을 완전히 이해하기 위해 DSC, ARC 및 반응 열량계를 통한 열량 측정을 수행하였다. 공정 온도와 주입 속도가 열 방출에 가장 큰 영향을 미치는 것으로 나타났고, 가장 높은 위험 수준은 가장 높은 수율을 생성하는 조건과 연관되었다. 

“…반배치 공정은 흐름 공정으로 전환되었다. 공간-시간 수율을 최대화하고 E-factor를 최소화하기 위해 다목적 베이지안 최적화를 통해 최적화가 수행되었고 파레토 프론트가 결정되었다… 기존에 제안된 위험 평가 방법 m-ITHI [modified inherent thermal runaway hazard index]를 채택하여 반배치 공정과 흐름 공정 간의 열 위험을 정량화하고 비교하였다. 평가 결과, 마이크로반응기 사용으로 열 폭주 위험이 심각함(Class V)에서 중간(Class II)으로 감소한 것으로 나타났다. 그러나 마이크로반응기가 제공하는 향상된 안전성이 TBPP 합성 공정의 본질적 안전성을 보장하지는 않았으며, 열 위험은 마이크로반응기 내 공정 조건에 따라 달라졌다… 흐름 공정에서 반응 조건으로 인한 위험 변화를 정량화하기 위해 R-factor가 처음으로 제안되었다.”

Angulo, A., & McMullen, J. P. (2025). 활성 의약 성분의 결정화에 대한 향상된 이해를 위한 데이터 기반 모델링. Organic Process Research & Development, 29(6), 1432–1439. https://doi.org/10.1021/acs.oprd.5c00036

Dynamic Response Surface Methodology(DRSM) 모델은 약물 Belzutifan의 결정화 공정을 철저히 이해하기 위해 적용되었으며, 항용매 첨가 속도와 온도의 영향을 파악하는 데 초점을 맞추었다. OptiMax 워크스테이션에서 항용매 결정화에 대해 22개 완전 요인 DoE가 수행되었고, ReactIR을 사용하여 상등액 농도의 시간 분해 스펙트럼을 획득하였다. IR 데이터의 보정은 EasySampler 시스템으로 수집한 오프라인 상등액 시료를 사용해 수행되었으며, 농도는 UPLC로 측정되었다. 자동화된 부분최소제곱(PLS) 화학계량학 모델을 학습시켜 IR 스펙트럼으로부터 농도 프로파일을 얻었다. 이 정보를 바탕으로 DRSM은 온도와 항용매 첨가에 따른 상등액 농도를 특성화하는 동적 모델을 제공했다. 입자 크기 분포(PSD)는 결정화 온도와 항용매 첨가 속도의 함수로 측정되었다. 생성된 DRSM 모델은 DoE 학습 데이터 세트와 별도의 검증 실험 모두에 대해 항용매 분율, 첨가 속도 및 온도의 함수로서 농도 동역학을 성공적으로 예측했다.

“본 연구에서 제시된 결과는 공정 분석 기술(PAT)과 동적 응답 표면 방법론(DRSM)을 사용한 활성 의약 성분(API)의 결정화에 대한 데이터 기반 모델링 접근법을 보여준다…. 이 접근법은 사용자가 기계적 또는 지식 기반 모델 없이도, 추가 실험을 수행할 필요 없이 항용매 첨가 속도와 결정화 온도 요인이 농도 프로파일에 동적으로 미치는 영향을 귀중하게 이해할 수 있게 한다. 또한 우리는 DRSM이 DoE의 설계 공간 내에서 결정화를 수행함으로써 농도 프로파일을 예측하는 적절한 도구임을 입증했다.”

Akturk, I., Mackey, J. S., Sundarkumar, V., Murbach, G., Joglekar, G., Csathy, A. T., Wehrle, F. J., Thompson, D. H., & Nagy, Z. K. (2026). 민첩하고 분산된 제약 제조를 향하여: MiniPharm 플랫폼을 통한 Lomustine의 반응, 정제, 제형화의 연속적인 엔드투엔드 통합. Organic Process Research & Development, 30(3), 595–618. https://doi.org/10.1021/acs.oprd.5c00314

이 연구는 연속 통합 제조를 통해 종양학 약물 lomustine을 생산하기 위한 MiniPharm 플랫폼의 개발에 초점을 맞춘다. 연구진은 두 개의 텔레스코핑된 반응 단계, 연속 용매 전환 증류, 2단 MSMPR 결정화, 그리고 필요 시 방울 생성 캡슐 인쇄를 통합하여 원료의약품과 완제의약품 공정을 연결했다. 각 공정의 개발에는 반응 속도론, 용해도 모델링, PAT 모니터링, 공정 시뮬레이션에 대한 심층적인 검토가 필요했다. 반응기, 증류 및 결정화 장치의 개선과 자동 제어 및 인라인 PAT의 통합을 포함한 공정 집약화 노력을 통해 운영 효율을 높인 결과, 연구진은 lomustine의 전체 공정 수율이 69%에 달했다고 보고한다. 

초기 배치 연구에서는 현장 FTIR을 사용하여 사이클로헥실아민, 2‑chloroethyl isocyanate, 1‑(2‑chloroethyl)‑3‑cyclohexylurea 중간체, tert‑butyl nitrite, 그리고 lomustine을 포함한 출발 물질, 중간체 및 생성물의 특징적인 피크를 확인했다. 이 스펙트럼은 텔레스코핑 유동 반응기에서의 속도론 모델링, 체류 시간 선택, 전환율 검증을 지원하는 데 사용되었다. 통합된 운전 장치에서의 실험 동안, MIR 프로브를 MSMPR 결정기에 설치하여 용질 농도, 과포화, 그리고 정상 상태 거동을 모니터링했다. 현장 현미경 영상 시스템은 핵생성, 결정 성장, 탁도 변화, 그리고 잠재적인 오일링 아웃을 실시간으로 영상화했다. MIR이 용해된 종을 측정하고 시각 영상이 결정 형성을 모니터링하는 이중 PAT 전략은 효과적인 continuous crystallization과 성공적인 완전 통합 엔드투엔드 워크플로의 핵심이었다.

“반응과 결정화 공정을 실시간으로 모니터링하기 위해 두 가지 PAT 도구가 사용되었다: Mettler Toledo ReactIR 702L 감쇠전반사 푸리에 변환 적외선 분광법(ATR-FTIR)과 Easy-Viewer 100 인라인 영상 프로브이다. 배치 반응 실험에서는 ATR-FTIR을 사용하여 서로 다른 농도에서 화학 종의 스펙트럼을 수집하고 반응물과 생성물의 주요 피크를 식별했다. 유동 합성에서는 FTIR 프로브를 두 번째 반응기 뒤에 놓인 둥근바닥 플라스크에 담갔다. 반복적인 유동 합성 시험은 높은 그리고 일관된 전환율을 확인했다. 통합된 연속 엔드투엔드 운전에서는 FTIR 프로브를 MSMPR 결정기 안에 직접 배치하여 결정화 모니터링에 재활용했다. EasyViewer 100은 그와 함께 MSMPR 내의 결정 형성, 탁도, 성장 과정을 시각적으로 모니터링하는 데 사용되었다”.

Abdoun, S., Bour, C., Mayer, R. J., & Vayer, M. (2026). 전기화학적 N -Propargylation of N -Heterocycles via decarboxylation of allenoic acids. ACS Organic & Inorganic Au. https://doi.org/10.1021/acsorginorgau.5c00117

전기합성은 고전적인 결합 방법에 수반되는 독성 시약과 폐기물을 필요로 하지 않고 C-N 결합을 합성하기 위한 수단으로 연구된다. 2,3‑allenoic acids는 양극 산화에 의해 알렌일/프로파르길 라디칼을 생성하고, 이들이 매우 친전자성인 양이온으로 빠르게 추가 산화되어 선택적인 N‑프로파르길화가 가능하다는 점에서 유효한 전구체로 제안된다. 이 연구는 pyrazoles, triazoles, tetrazoles, benzotriazoles, amides, carboxylic acids, alcohols에 걸쳐 25–82% 수율로 N‑프로파르길화 생성물을 제공하는, 온화하고 첨가제 없는 전기화학적 프로토콜을 확립했으며, 원자 효율성과 40-70%의 패러데이 효율이 높다. 메커니즘 연구에 따르면 반응은 기질 농도보다는 전기화학적 제어에 의해 좌우된다. 반응 메커니즘을 이해하는 데 핵심적인 것은 ReactIR의 사용으로, 이를 통해 실시간 기질 소모를 측정하고 초기 반응 속도를 결정할 수 있었다. 이러한 데이터는 반응이 allenoic acid와 친핵체 모두에 대해 0차임을 보여주며, 속도는 인가 전류에 선형적으로 증가한다. 이는 양극 전자 이동이 속도결정 단계임을 나타낸다. 순환 전압전류법과 DFT와 함께, 이 속도론적 증거는 산화적 탈카복실화가 알렌일 라디칼을 형성하고, 이것이 즉시 산화되어 프로파르길 양이온이 된 뒤 속도론적으로 제어되는 C-N 결합 형성을 겪는 경로를 지지한다. 연구자들은 2,3‑allenoic acids를 사용하여 단순하고 첨가제 없는 조건에서 N‑헤테로고리의 프로파르길화를 위한 전기화학적 방법을 확립했다고 결론짓는다. 이 반응은 저렴한 탄소 양극을 사용하며 외부 산화제, 염기, 탈수제를 필요로 하지 않는다. 이 연구는 기계론적 이해가 반응성 중간체를 생성하여 효율적인 C–N 결합 형성을 가능하게 하는 전기합성 접근법의 설계에 어떻게 기여할 수 있는지를 보여준다.

“… 속도론 연구는 현장 IR spectroscopy로 수행되었다. 속도론 측정 동안 1a [allenoic acid]의 시간 의존 농도를 확립하기 위해, 1a의 C═O 밴드에 해당하는 1689 cm–1에서의 IR 흡광도와 1a의 농도 사이의 선형 관계를 사용했다. 이후 시간에 따른 1a의 소실을 적용하여 초기 반응 속도 k를 결정했으며, 이는 서로 다른 초기 농도의 1a와 2a [pyrazole]로 실험적으로 측정되었다. 초기 속도 k는 1a와 2a의 농도와 무관하여, 반응이 allenoic acid 1a와 pyrazole 2a 모두에 대해 0차 부분차수를 가진다고 시사했다. 그러나 초기 속도는 인가 전류와 선형 상관을 보였으며, 이는 양극 전자 이동 과정이 속도결정 단계를 구성함을 나타낸다.”

Yang, Y., Guan, Z., Wang, R., Wang, W., Zhang, M., Su, X., & Shao, Y. (2026). 인라인 IR spectroscopy를 이용한 고상 올리고뉴클레오타이드 탈트리틸화 반응의 최적화. Organic Process Research & Development, 30(5), 1369–1377. https://doi.org/10.1021/acs.oprd.6c00103

인라인 중적외선 spectroscopy(ReactIR)는 고상 올리고뉴클레오타이드 합성에서 탈트리틸화를 최적화하는 데 사용되며, 고전적인 UV 모니터링보다 시약 효율이 더 높은 대안임이 입증되었다. 먼저 탈트리틸화 혼합물의 주요 성분에 대해 오프라인 IR 측정을 수행하여 톨루엔(1495 cm⁻¹), 무수 아세토니트릴(2253 cm⁻¹), DCA‑단량체(1765 cm⁻¹), DCA‑이량체(1740 cm⁻¹)의 뚜렷한 흡수 피크를 확인했다. 실시간 모니터링을 이용한 정량 분석 방법은 DCA‑단량체와 DCA‑이량체의 IR 세기가 3–10% DCA 범위에서 농도와 강한 선형성을 보였기 때문에 확립되었다. 

탈트리틸화 반응의 속도론 및 기계론적 이해에 따르면, DCA‑단량체와 DCA 이량체의 상대 농도는 탈트리틸화 진행 정도와 밀접하게 관련되며, DCA‑이량체 형성이 탈트리틸화의 속도결정 단계이다. DCA는 톨루엔에서 화학적으로 활성인 이량체로 주로 존재하는 반면, 아세토니트릴에서는 비활성 단량체 형태로 전환된다. 탈트리틸화는 비활성 DCA 단량체가 활성 이량체로 완전히 전환될 때 효율적으로 진행된다. 이 연구는 이러한 DCA 구조 변화의 인라인 IR 추적을 올리고뉴클레오타이드 고상 합성의 탈트리틸화 단계에서 방출되는 UV 활성 종인 디메톡시트리틸 양이온(DMT⁺)의 전통적인 UV 검출과 상관시켰다. 이 상관관계는 비활성 DCA‑단량체 IR 신호가 기준선까지 감소하는 것이, 이를 node III로 정의할 때, 최적의 반응 종료점을 의미함을 보여주었다. 이 시점에서 생성물 순도, 탈퓨린화 수준, 전체 수율은 UV 기반 제어를 사용했을 때와 동등했지만, 탈트리틸화 시약 소비는 최대 40.4%까지 감소했다. 이 IR 유도 전략의 견고성과 일반성을 검증하기 위해, 다양한 구조적·화학적 특성을 가진 올리고뉴클레오타이드 서열을 node III 기준으로 합성했다. 모든 서열에서 생성물 품질은 일관되게 유지되었고, 탈퓨린화 부반응은 효과적으로 억제되었으며, 시약 사용량은 22.7–46.7% 감소했다. 

“고전적인 인라인 UV 모니터링과 비교할 때, 인라인 IR 기술은 좁은 신호 응답 범위, 지연된 모니터링, 미세반응 공정의 부적절한 모니터링을 포함한 UV 모니터링의 한계를 극복한다. 이는 탈트리틸화에서 핵심 성분의 미세동역학적 변화를 실시간으로 추적하고, 시약 소모를 줄이며, 고상 합성의 친환경적이고 지속 가능한 발전을 촉진한다. 이 연구는 고상 합성 공정 제어의 정밀도를 향상시키고 올리고뉴클레오타이드의 전 공정 정제 생산을 가능하게 하는 보편적 전략을 제시한다.”

Pucihar, U., Vračar, P., Bitenc, M., & Kopač, T. (2025). 머신러닝을 사용한 자동화 마이크로플로 반응 시스템에서의 Claisen-Schmidt 축합의 자기 최적화. Computers & Chemical Engineering, 201, 109261. https://doi.org/10.1016/j.compchemeng.2025.109261

2-methoxybenzaldehyde와 acetone 사이의 Claisen-Schmidt aldol condensation 반응을 예로 들어, 이 연구는 새로운 자기 최적화 시스템의 개발과 적용을 보여준다. 저자들은 다목적 알고리즘인 TSEMO(Thompson sampling efficient multi-objective optimization)가 인라인 MIR(ReactIR) 및 온라인 UHPLC PAT와 결합되어, SCADA로 제어되는 마이크로유체 반응기에서 연속적인 변수 최적화에 사용되었다고 보고한다. 온도, 유량, 체류 시간 등을 포함한 최적 반응 조건이 확립되었고, 시스템은 속도론 모델링을 통해 검증되었다. 

“ … 자기 최적화 과정은 목표 농도(설정 목표)에 더 빠르게 도달하고, 더 적은 화학물질을 사용하며, 최소한의 수동 개입만으로 전통적인 화학 반응 방법보다 우수한 성능을 보였다. 이는 공정의 환경적 지속 가능성과 경제적 효율성을 향상시킬 뿐만 아니라 반응 공학에서의 더 넓은 적용 가능성도 보여준다. 실험 데이터가 이론적 예측과 ±10 % 이내의 편차로 밀접하게 일치한다는 점은, 반응 속도론에 대한 사전 지식 없이도 시스템이 최적화할 수 있는 능력을 확인해준다…”

Zou, X., Xie, T., Xu, J., Bai, H., Wang, D., Ke, X., Zhao, W., & Lv, M. (2026). 현장 ftir를 통해 폴리(아믹산)의 단쇄 폴리부가에서 자가촉매적 동역학 규명. Industrial & Engineering Chemistry Research, 65(10), 5452–5459. https://doi.org/10.1021/acs.iecr.6c00046

방향족 디아민과 다이안하이드라이드(PAA)의 폴리부가에는 빠른 단쇄 형성 단계(1단계)와 그 뒤를 잇는 느린 사슬 성장 단계(2단계)라는 두 단계가 있다. 현재까지의 거의 모든 동역학 연구는 다양한 기법을 사용해 2단계의 동역학에 초점을 맞춰 왔다.  이러한 방법은 반응성이 낮은 단량체에는 효과적이지만, 반응성이 더 큰 단량체의 강한 발열성 1단계를 포착하지는 못한다. 그 결과 반응 초기 몇 분 동안 시뮬레이션 편차가 20−30%에 이르러 공정 제어, 저울-업 신뢰성, 안전성을 저해한다. 따라서 이 초기 단계를 제어하는 것으로 제안된 자가촉매적 거동을 포착하기 위해서는 실시간의 데이터가 풍부한 모니터링이 필수적이다.  

본 연구에서는 폴리(아믹산)(PAA)의 초기 단계 폴리부가 동역학을 더 철저히 이해하는 데 필요한 정보를 제공하기 위해 현장 FTIR을 사용하였다. 이는 일반적으로 반응 속도가 디아민과 다이안하이드라이드 농도의 곱에 비례하는 2차 동역학 과정으로 간주된다. 이론적 모델은 이러한 반응이 뚜렷한 자가촉매 특성을 보이며, 반응 생성물이 이후의 반응 속도를 가속하고 중간체가 자가촉매 효과를 유발함을 시사한다.  기작 가설, 속도식 도출, 데이터 피팅, 열역학 분석을 포함하는 고반응성 방향족 디아민–다이안하이드라이드 계의 자가촉매 동역학 모델을 구축하였다. 이 모델은 온도와 단량체 구조와 같은 성분이 자가촉매의 정도를 어떻게 제어하는지에 대한 통찰을 제공한다. 데이터는 단쇄 폴리부가가 주로 새로 형성된 –COOH 기에 의한 양성자 촉매 작용에 의해 구동되는 2차 비가역 자가촉매 동역학 모델을 따른다는 것을 보여준다. 온도와 단량체의 친전자성은 자가촉매의 정도를 함께 조절하며, BTDA가 가장 강한 촉매 가속을 보이고 s-BPDA가 가장 약하다. 

“We employ in situ FTIR spectroscopy to quantitatively investigate the early-stage polyaddition of 4,4′-diaminodiphenylmethane (MDA) with three dianhydrides: 3,3′,4,4′-benzophenone tetracarboxylic dianhydride (BTDA), 3,3′,4,4′-biphenyltetracarboxylic dianhydride (s-BPDA), and 2,3,3′,4′-biphenyltetracarboxylic dianhydride (a-BPDA). The isolated characteristic band of MDA at 818 cm^–1 can serve as an effective probe for quantitatively monitoring the variation of the MDA concentration. Kinetic analysis of the normalized band intensities (A-818 cm^–1, T-818 cm^–1, and S-818 cm^–1) reveals that the reaction follows second-order irreversible autocatalytic kinetics. This combined in situ FTIR and modeling approach provides the first quantitative insights into how dianhydride electrophilicity, molecular structure, and temperature synergistically govern the extent of autocatalysis, thereby offering critical experimental and theoretical guidance for the precise control and optimization of PAA synthesis.”

• Li, M., Wang, Y., Luo, Y., & Shu, X. (2026). 제올라이트 촉매 간접 트랜스옥심화 반응을 통한 도데카논 옥심의 효율적이고 친환경적인 합성법. Chemical Engineering Journal Green and Sustainable, 2, 100070. https://doi.org/10.1016/j.cejgas.2026.100070
• Xia, W., Zhan, Y., Xia, J., Luo, G., Su, W., Chai, K., & Su, A. (2025). RuPt@g-C3N4에서 바이오매스 유래 HMF의 수소화에 대한 지속 가능한 연속 흐름 촉매 및 베이지안 최적화. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.5638748
• Zhou, C., Beydokhti, M. T., Rammal, F., Kumar, P., Lacroix, M., Vermeiren, W., Dusselier, M., Liao, Y., & Sels, B. F. (2025). 후연소 CO2 포집에서 아민 재생을 위한 고체 ZrOxHy 촉매의 근접성 비의존적 산–염기 시너지. Nature Catalysis, 8(3), 270–281. https://doi.org/10.1038/s41929-025-01307-8
• Li, D., Xiong, C., Zhao, X., Yang, T., Wu, Y., Hu, P., & Ji, H. (2025). 온화한 조건에서 n-부탄의 친환경 산화를 위한 산소 전달의 선택적 조절: 성능과 기작. Journal of Catalysis, 448, 116187. https://doi.org/10.1016/j.jcat.2025.116187
• Mazumder, A., & Beckingham, B. S. (2025). CO 2 환원 생성물의 크로스오버를 줄이기 위한 이온 교환막의 긴 측쇄 PEGMA. ACS Sustainable Chemistry & Engineering, 13(45), 19464–19481. https://doi.org/10.1021/acssuschemeng.5c02539
• Yao, Y., Chen, D., Li, Y., & Yin, Z. (2025). 1,3-디옥솔란을 사용한 CH4/CO2 하이드레이트의 동역학 조절에 대한 가스 조성의 영향: 하이드레이트 기반 바이오가스 저장에 대한 시사점. ACS Applied Materials & Interfaces, 17(12), 18403–18419. https://doi.org/10.1021/acsami.5c00733
• Li, D., Xiong, C., Mao, Q., Xi, L., Yang, T., Hu, P., & Ji, H. (2025). 올레핀의 탠덤 공기 epoxides화를 위한 Ru 기반 포르피린 공유 유기 골격을 통해 쿠멘 수소 전달을 향상. Nano Research, 19(1), 94907892. https://doi.org/10.26599/nr.2025.94907892

• Silva, J. R. C., Oliveira, L. B., Silva, J. O., Queiroz, L. M. S. V., Cardoso, K. P., Nagamachi, M. Y., & Ferrão, L. F. A. (2025). 산화제 암모늄 디니트라마이드 생산에 사용되는 중간체의 연구 및 특성화. Propellants Explosives Pyrotechnics, 50(7), 95–105. https://doi.org/10.1002/prep.12078
• Wei, D., Ma, K., Ni, L., Mebarki, A., Fu, G., & Jiang, J. (2025). 열 안전성 향상: 산 촉매 tert-butyl peroxypivalate 합성의 배치에서 연속 흐름으로의 전환. Chemical Engineering Journal, 523, 168103. https://doi.org/10.1016/j.cej.2025.168103
• Chen, S., Gao, Y., Dong, C., Shen, L., Zeng, Y., Bao, P., Li, Y., Yi, Z., Chen, H., Zhu, S., & Zhang, L. (2025). A-site 양이온의 사면체 질소 원자 배열: 페로브스카이트 에너지 재료의 민감도와 에너지를 조절하기 위한 새로운 접근법. Advanced Science, 12(19), e2415680. https://doi.org/10.1002/advs.202415680

• Zou, X., Xie, T., Xu, J., Bai, H., Wang, D., Ke, X., Zhao, W., & Lv, M. (2026). 현장 ftir를 통해 폴리(아믹산)의 단쇄 폴리부가에서 자가촉매적 동역학 규명. Industrial & Engineering Chemistry Research, 65(10), 5452–5459. https://doi.org/10.1021/acs.iecr.6c00046
• Duan, W., Zhao, S., Wen, Y., Duan, Z., Zhang, L., & Liu, B. (2026). 고리형 무수물에 의해 가능해진 CO 2 와 프로필렌 옥사이드의 공중합을 위한 희석 내성 유기붕소 촉매. Macromolecules, 59(4), 2040–2051. https://doi.org/10.1021/acs.macromol.5c03427
• Butler, F., Fiorentini, F., Eisenhardt, K. H. S., & Williams, C. K. (2025). 프로펜 옥사이드와 이산화탄소의 개환 공중합을 위한 이종금속 Co(III)NA(I) 촉매. Macromolecules, 58(14), 7150–7160. https://doi.org/10.1021/acs.macromol.5c01529
• Jiang, C., Lee, E., Schaefer, J., Holtcamp, M. W., Lin, T., & Gabbaï, F. P. (2025). pnictogen 결합 촉매작용: 안티몬(V) 플랫폼에서의 CO2 및 epoxides의 공중합. ACS Catalysis, 15(21), 17882–17892. https://doi.org/10.1021/acscatal.5c03781
  
• Abrahamsen, G. M., Lequeux, Z. a. B., Kemp, L. K., Wedgeworth, D. N., Rawlins, J. W., Newman, J. K., & Morgan, S. E. (2025). 맞춤형 구조, 배합 및 공정을 통한 수계 폴리우레탄 분산 나노복합체의 형태 제어. Langmuir, 41(16), 10383–10393. https://doi.org/10.1021/acs.langmuir.5c00226
• Jia, Z., Zhang, J., Gao, L., Sun, H., Chen, J., Qin, L., & Yin, J. (2025). PET의 촉매 글리콜분해에서 물의 역할 규명. RSC Sustainability, 3(10), 4714–4723. https://doi.org/10.1039/d5su00528k
• Zeng, X., Liu, C., Wang, X., Cao, Y., Zheng, Z., He, P., Li, H., & Wang, L. (2025). 1,2-부틸렌 옥사이드의 효율적인 개환 중합을 위한 상용 유기 루이스 쌍 촉매. Polymer Chemistry, 16(23), 2742–2750. https://doi.org/10.1039/d5py00238a

• Wang, R., Xu, L., Yang, Y., Wang, W., Liu, M., Su, X., & Shao, Y. (2026). 온라인 FTIR spectroscopy를 이용한 올리고뉴클레오타이드의 실시간 공정 모니터링 암모니올리시스. Organic Process Research & Development, 30(3), 731–740. https://doi.org/10.1021/acs.oprd.5c00476
• Ashikari, Y., Tamaki, T., Tomite, K., Yonekura, Y., & Nagaki, A. (2025). 선형 결합 전략과 머신러닝을 활용한 실시간 인라인 IR 분석을 통한 자동 반응 최적화. Communications Chemistry, 8(1), 287. https://doi.org/10.1038/s42004-025-01676-y
• Chai, K., Xia, W., Shen, R., Luo, G., Cheng, Y., Su, W., & Su, A. (2024). FTIR 인라인 분석을 이용한 이질적 연속 흐름 수소화 최적화: 다목적 베이지안 최적화와 동역학 모델링의 비교 연구. Chemical Engineering Science, 302, 120901. https://doi.org/10.1016/j.ces.2024.120901
• Shen, R., Luo, G., Cheng, Y., Zhu, J., Duan, H., & Su, A. (2025). 베이지안 최적화, 인라인 분석 및 동역학 모델링을 결합한 L-카르니틴 연속 흐름 합성의 2단계 최적화. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.5256095
  
• Moll, M., Wängler, B., Wängler, C., & Röder, T. (2025). 연속 흐름에서 벤질페닐에프론의 비대칭 수소화에 대한 동역학 연구. CHIMIA International Journal for Chemistry, 79(6), 441–448. https://doi.org/10.2533/chimia.2025.441

• Talbot, F. J. T., Lindsay-Scott, P. J., Stokes, S., Barnes, A., Rees, M., Miller, I., Richardson, J., & Tang, X. (2026). Turbo-Hauser 염기 형성의 ReactIR 모니터링은 초기 스케일업 캠페인 동안 견고한 요오드화 반응을 가능하게 한다. Organic Process Research & Development, 30(4), 1041–1049. https://doi.org/10.1021/acs.oprd.6c00062
• Chida, T., Takebayashi, Y., Sue, K., & Kataoka, S. (2026). 체류 시간 측정 및 ZrO 2 -촉매 직접 에스터 아미드화의 동역학 분석을 위한 인라인 분광계를 갖춘 자동 컬럼-흐름 반응기. Industrial & Engineering Chemistry Research, 65(12), 6491–6500. https://doi.org/10.1021/acs.iecr.6c00042
• Zars, E., Beagan, D., Reed, S., Zeller, M., Lehnert, N., & Szymczak, N. (2026). 외부 산에 의해 매개되는 이질산화 철 착물에서의 니트로실 리간드의 N-N 결합. ChemRxiv. https://doi.org/10.26434/chemrxiv-2025-9z9lk/v2
• Lorraine, S. C., Baur, A., Taylor, N., Dolinar, B. S., & Hoover, J. M. (2026). 장 효과가 구리(II)-벤조에이트의 탈카르복실화를 좌우한다: 동역학 및 기작 연구. Organometallics, 45(2), 169–180. https://doi.org/10.1021/acs.organomet.5c00415
  
• Zheng, S., Du, C., Hu, J., Tu, Y., Wang, Y., & Ren, Z. (2025). 직접 우로트로핀 질화를 통한 RDX 합성의 원자 수준 기작: DFT 연구 및 분광 검증. Chemical Engineering Science, 321, 123003. https://doi.org/10.1016/j.ces.2025.123003
• Fockenberg, T., Sülzner, N., Sato, T., Reher, J., Schnegg, A., Hättig, C., & Schulz, S. (2025). 용액에서의 알코올 산화 반응에 대한 [COIII4O4] 이종 쿠바인의 촉매 활성 비교 연구. ChemRxiv. https://doi.org/10.26434/chemrxiv-2025-0pw68
• Lorraine, S., Baur, A., Taylor, N., Dolinar, B., & Hoover, J. (2025). 장 효과가 구리(II)-벤조에이트의 탈카르복실화를 좌우한다: 동역학 및 기작 연구. ChemRxiv. https://doi.org/10.26434/chemrxiv-2025-vftv5
• Zhu, W., Ouyang, Z., Du, X., Li, Y., Deng, X., Xue, Y., Zhou, J., Yu, P., Lu, G., Chan, A. S. C., & Weng, J. (2025). 생체모사 Cu/squaramide 협동 촉매 비대칭 Mannich 반응을 통해 비고리성 인접 사중치환 입체중심을 구현. Nature Communications, 16(1), 8896. https://doi.org/10.1038/s41467-025-63919-9
  
• Kirchhoff, J., Mairath, T., Schöler, M., Risken, R., & Strohmann, C. (2025). 1차 리튬 아미드에 의한 선택적 알콕시실레인 치환의 기작 연구: 단일 치환체에서 이중 및 삼중 치환 Si–N 기능화 실란까지. Inorganic Chemistry, 64(26), 13355–13363. https://doi.org/10.1021/acs.inorgchem.5c01794

• Yu, H., Schiele, S. A., & Briesen, H. (2026). 교반 결정화에서 마모 유도 형상 진화를 곡률 기반으로 정량화. Crystal Growth & Design. https://doi.org/10.1021/acs.cgd.6c00432
• Omstead, K. M., Malig, T. C., Pederson, Z., Kurita, K. L., & Shi, Z. (2026). 초기 단계 제약 공정 개발 중 용매 증류 모니터링에서의 적외선 spectroscopy 응용─온도 및 매트릭스 효과에 대응하기 위한 린 케모메트릭스. Organic Process Research & Development, 30(5), 1119–1129. https://doi.org/10.1021/acs.oprd.5c00146
• Ghaffari, S., Gänsch, J., Schulze, P., & Lorenz, H. (2026). 지속 가능한 소다회 생산을 위한 NA 2 CO 3 –NAOH–H 2 O 계에서 NA 2 CO 3 수화물 상의 결정 성장 동역학. ACS Omega, 11(5), 7741–7755. https://doi.org/10.1021/acsomega.5c09440
• Zhang, C., Ma, Y., Wang, Z., Jia, S., Zhang, Y., Yang, L., Yang, H., Cheng, J., & Yang, C. (2026). 종자 특성과 운전 조건이 glyphosate의 2차 핵생성에 미치는 영향. Industrial & Engineering Chemistry Research, 65(15), 7826–7839. https://doi.org/10.1021/acs.iecr.5c04870
  
• Lima, F. a. R. D., De Moraes, M. G. F., Secchi, A. R., De Souza, M. B., & Grover, M. A. (2025). 소프트 센서와 상징 기반 보정 모델을 활용한 회분식 냉각 결정화에서 결정 크기와 수율의 실험적 비선형 모델 예측 제어. Industrial & Engineering Chemistry Research, 64(49), 23582–23600. https://doi.org/10.1021/acs.iecr.5c03894
• Dong, Y., Xuanyuan, S., Xie, C., Sun, Y., Zhou, X., & Wang, Y. (2025). 벤조페논의 역용매 결정화를 위한 신경망 기반 동역학 모델: 구축, 검증 및 기작적 해석. Crystals, 15(5), 464. https://doi.org/10.3390/cryst15050464

• Arunachalampillai, A., Chandrappa, P., Crockett, R. D., Gaines, C. S., Hu, K., Judd, T., Kommuri, V. C., Murray, J. I., Nidhiry, J., Ortiz, A., Robinson, J. A., Rötheli, A. R., Vernon, R. M., Wei, C. S., Wells, S., Wilson, C. V., Xu, S., Yamamoto, K., & Zetzsche, L. E. (2025). MTA-협력형 PRMT5 억제제 AMG 193의 제조 경로 개발. Organic Process Research & Development, 29(11), 2934–2941. https://doi.org/10.1021/acs.oprd.5c00310
• Waldschitz, D., Bartlechner, J., Karner, E. M., Spadiut, O., Jakubek, S., & Kager, J. (2025). 원료 변동성에 대응: 리그노셀룰로오스 공급 흐름의 혼합을 통해 배양 중 정상 상태를 유지. Biochemical Engineering Journal, 224, 109891. https://doi.org/10.1016/j.bej.2025.109891
• Hengelbrock, A., Baukmann, S., Uhl, A., Schmidt, A., & Strube, J. (2025). 세포 및 유전자 치료 응용을 위한 hMSC 유래 세포외 소포체 생산의 자율 운전을 향한 디지털 트윈. ACS Omega, 10(40), 46659–46681. https://doi.org/10.1021/acsomega.5c03703
• Da Silva Rodrigues, K. C., Veloso, I. I. K., Lemos, D. A., Cruz, A. J. G., & Badino, A. C. (2025). 개방 및 폐쇄 시스템에서 흡수에 의한 에탄올 회수와 결합한 추출 에탄올 발효. Fermentation, 11(1), 12. https://doi.org/10.3390/fermentation11010012
  
• Ponnudurai, A., Schulze, P., Seidel-Morgenstern, A., & Lorenz, H. (2025). LigniFrac: 확장 가능한 연속 리그닌 분획 공정의 개념 입증. Chemical Engineering Journal, 510, 161113. https://doi.org/10.1016/j.cej.2025.161113
• Ren, T., Bi, Y., Li, J., Li, J., Gao, D., Yu, F., Wang, J., & Zhang, K. (2025). 합성생물학 기반의 생분해성, 성능 조절 가능, 용융 가공 가능한 바이오플라스틱. Chemical Engineering Journal, 515, 163593. https://doi.org/10.1016/j.cej.2025.163593

• Akturk, I., Mackey, J. S., Sundarkumar, V., Murbach, G., Joglekar, G., Csathy, A. T., Wehrle, F. J., Thompson, D. H., & Nagy, Z. K. (2026). 민첩한 분산형 의약품 제조를 향하여: MiniPharm 플랫폼을 통해 Lomustine의 반응, 정제 및 제형화를 연속적인 종단간 통합. Organic Process Research & Development, 30(3), 595–618. https://doi.org/10.1021/acs.oprd.5c00314
• Ashikari, Y., Tamaki, T., Tomite, K., Yonekura, Y., & Nagaki, A. (2025). 선형 결합 전략과 머신러닝을 활용한 실시간 인라인 IR 분석을 통한 자동 반응 최적화. Communications Chemistry, 8(1), 287. https://doi.org/10.1038/s42004-025-01676-y
• Jong, C. Y., Mittal, A., Lee, F. J. J., Loo, L. M., Goh, Y., Yuan, Q., Yeap, E. W. Q., Dubbaka, S. R., Rao, H. N., & Wong, S. Y. (2025). 유당 결정화: 머신러닝과 공정 분석 기술의 통합. Food and Bioproducts Processing, 151, 64–72. https://doi.org/10.1016/j.fbp.2025.02.008
• Bell, N. L., Berardi, E., Gladkikh, M., Turnbull, R. D., & Turton, F. (2025). ReactPyR: ReactIR을 위한 파이썬 워크플로우로 공기 중 민감 화합물의 안정성 정량화가 가능하다. Digital Discovery, 4(12), 3533–3539. https://doi.org/10.1039/d5dd00305a
  
• Vasisht, S., Wiedner, E., Lopez-Ruiz, J., Royer, N., Begildayeva, T., Choudhury, S., Koch, J., Birmiwal, R., Wang, Z. & Washton, N. (2025). 촉매 발견 가속화를 위한 자율 흐름 전기화학. Prepared for the U.S. Department of Energy under Contract DE-AC05-76RL01830
• Knoll, S., Silber, K., Williams, J. D., Sagmeister, P., Hone, C. A., Kappe, C. O., Steinberger, M., & Horn, M. (2025). FlowMat: 물리 기반 및 머신러닝 접근법을 사용해 모듈식 시뮬레이션, 매개변수 식별 및 반응기 최적화를 위한 흐름 반응기 모델링 도구 상자. RSC Advances, 15(40), 33278–33296. https://doi.org/10.1039/d5ra06173c