Durée
25h Th
Nombre de crédits
Enseignant
Coordinateur(s)
Langue(s) de l'unité d'enseignement
Langue française
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Ce cours illustre la synergie entre différentes techniques informatiques (chimie computationnelle, sciences des données, intelligence artificielle) pour comprendre et rationaliser les mécanismes et sélectivités en chimie organique de synthèse.
Le cours théorique est organisé en 7 modules de 2 h :
- Module I | Introduction à la science des données
- Module II | Introduction à la chimie computationnelle organique
- Module III | Description in silico d'une espèce chimique
- Module IV | Théorie de la Densité Fonctionnelle Conceptuelle
- Module V | Description in silico d'un système moléculaire
- Module VI | Théorie de l'état de transition
- Module VII | L'intelligence artificielle en chimie
Un cas pratique accompagnera le cours sur une période totale de 10 h. Les étudiants appliqueront les notions des modules III à VII à travers une étude de cas progressive qui sera directement intégrée après chaque présentation théorique.
Travaux Pratiques (en laboratoire)
Il n'y a pas de travaux pratiques en laboratoire associés à ce cours.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
À l'issue du cours, l'étudiant sera capable de :
- Utiliser des outils informatiques appliqués à la chimie organique physique
- Utiliser des logiciels de préparation et visualisation de chimie computationnelle (Gaussian, Gaussview, etc.)
- Décrire et analyser une réaction in silico
- Comprendre les principes fondamentaux de chimie organique physique
- Rationaliser les mécanismes et sélectivités observés
- Relier la théorie à un cas pratique
Savoirs et compétences prérequis
Une bonne maîtrise des concepts de base en chimie organique, en chimie physique et en chimie quantique acquis au cours des années de bachelier en chimie est nécessaire. Les notions de codage en informatique acquises au cours des années de bachelier en chimie sont aussi recommandées.
Activités d'apprentissage prévues et méthodes d'enseignement
- Interactive lectures, with presentation of the theoretical aspects and recent case studies from the literature (60%)
- Participatory learning, exercises based on a practical case (40%)
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement à distance
Informations complémentaires:
En distanciel via la plateforme Teams.
Possibilités de e-learning (exercices, ressources complémentaires).
Langue du cours
Anglais
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- MyULiège
Autre(s) site(s) utilisé(s) pour les supports de cours
- DOX (https://dox.uliege.be/index.php/s/cF1Og0W1XScnNWT)
Informations complémentaires:
Plate-forme(s) utilisée(s) pour les supports de cours :
- MyULiège
Informations complémentaires :
Les notes et séances de cours (en anglais, avec commentaire audio) sont disponibles via la plateforme myULiège et DoX. Des exercices et des lectures complémentaires sont suggérés en séance.
Ouvrages de référence :
- J. B. Foresman and A. E. Frisch, Exploring Chemistry with Electronic Structure Methods, 3rd ed., Gaussian, Inc.: Wallingford, CT, 2015.
ISBN: 978-1-935522-03-4 - Modern Physical Organic Chemistry, E. V. Anslyn, D. A. Dougherty, University Science Books, 2006 (ISBN 978-1-891389-31-3)
- Stereoelectronic effects, A. J. Kirby, Oxford University Press, 1996 (ISBN 978-0-198558-93-4)
- Modern Solvents in Organic Synthesis, P. Knochel (Ed.), Springer, 1999 (ISBN 3-540-66213-8)
- Computational Organic Chemistry, S. T. Bachrach, Wiley, 2014, 2nd ed. (ISBN 978-1118291924)
- Introduction to Machine Learning with Python: A Guide for Data Scientists, A. Müller, S. Guido, O'Reilly Media, 2016, 1rst edition (ISBN 978-1449369415)
- Data Science in Chemistry: Artificial Intelligence, Big Data, Chemometrics and Quantum Computing with Jupyter, T. Gressling, De Gruyter Textbook, 2021, 1rst edition (ISBN 978-3110629392)
- Articles récents de littérature présentés durant le cours
Modalités d'évaluation et critères
Travail à rendre - rapport
Informations complémentaires:
Il n'y a pas d'examen en session.
Travail à rendre - rapport
Explications complémentaires :
Chaque étudiant inscrit régulièrement au cours devra étudier un article de la littérature illustrant l'utilisation d'outils de chimie organique physique pour rationaliser des résultats expérimentaux. Un rapport écrit devra être remis durant la session de juin et sera coté sur 20.
Note globale
L'évaluation pour le cours CHIM0707 est pondérée selon:
- la présentation globale de l'article (30%)
- la description plus détaillée de la résolution du problème soulevé (30%)
- le commentaire critique sur l'approche proposée par les chercheurs (40%)
Stage(s)
Nihil
Remarques organisationnelles et modifications principales apportées au cours
Le cours sera dispensé en anglais.
Une liste de softwares à installer en amout du cours sera envoyée aux étudiants.
Contacts
Contacts
- Dr. Pauline Bianchi
Département de Chimie, Bâtiment B6a
pauline.bianchi@uliege.be
- Prof. Jean-Christophe Monbaliu
Département de Chimie, Bâtiment B6a
jc.monbaliu@uliege.be
Association d'un ou plusieurs MOOCs
Notes en ligne
Physical Organic Chemistry: a practical introduction to computational chemistry
Physical Organic Chemistry: a practical introduction to computational chemistry