A reakcióeredmények megjósolása: A gépek megtanulják a kémiai anyagot

A vegyészek és az informatikusok fejlesztik a mesterséges intelligenciát

A mindennapi élet mesterséges intelligencia nélkül alig képzelhető el a mai világban. Számtalan alkalmazás olyan területeken, mint az autonóm vezetés, az idegen nyelvű fordítások vagy az orvosi diagnosztika, utat talált az életünkbe. A kémiai kutatásban is nagy erőfeszítéseket tesznek a mesterséges intelligencia (AI), más néven gépi tanulás hatékony alkalmazására. Ezeket a technológiákat már használták az egyes molekulák tulajdonságainak előrejelzésére, megkönnyítve ezzel a kutatók számára a termelni kívánt vegyület kiválasztását.

előrejelzése

Ez a szintézis néven ismert előállítás általában jelentős erőfeszítéseket igényel, mivel számos lehetséges szintézis út áll rendelkezésre egy célmolekula előállításához. Mivel az egyes reakciók sikere számos paramétertől függ, még a tapasztalt kémikusok számára sem mindig lehet megjósolni, hogy a reakció bekövetkezik-e - és még kevésbé, hogy mennyire működik jól. A helyzet orvoslása érdekében a Münsteri Egyetem (Németország) vegyészeinek és informatikusainak egy csoportja összefogott és kifejlesztett egy mesterséges intelligencia eszközt, amelyet mára a Chem folyóiratban publikáltak.

Háttér és módszer:

"A kémiai reakció rendkívül összetett rendszer" - magyarázza Frederik Sandfort, a Szerves Kémiai Intézet doktorandusz hallgatója és a kiadvány egyik vezető szerzője. "Az egyes vegyületek tulajdonságainak előrejelzésével ellentétben a reakció sok molekula kölcsönhatása, és ezáltal többdimenziós probléma" - teszi hozzá. Ráadásul nincsenek egyértelműen meghatározott "játékszabályok", amelyek, mint a modern sakk számítógépek esetében, egyszerűsítik az AI modellek fejlesztését. Emiatt a reakcióeredmények, például a hozamok vagy termékek pontos előrejelzésének korábbi megközelítései többnyire a molekuláris tulajdonságok korábban megszerzett megértésén alapulnak. "Az ilyen modellek kifejlesztése nagy erőfeszítéseket igényel. Sőt, többségük erősen specializálódott, és nem helyezhető át más problémákra" - teszi hozzá Frederik Sandfort.

A bemutatott munka középpontjában tehát a program általános alkalmazhatósága állt, így más vegyészek könnyedén felhasználhatják saját munkájukhoz. Ennek biztosítása érdekében a modell közvetlenül molekuláris struktúrákon alapul. "Minden szerves vegyület ábrázolható grafikonként, elvileg képként" - magyarázza Marius Kühnemund, egy másik szerző, a számítástechnika területéről. "Az ilyen grafikonokon egyszerű szerkezeti lekérdezéseket lehet tenni - összehasonlítva a fotó színeinek vagy formáinak kérdésével - annak érdekében, hogy a lehető legpontosabban rögzítsük az úgynevezett kémiai környezetet."

Sok ilyen, egymást követő lekérdezés együttesen úgynevezett molekuláris ujjlenyomatot eredményez. Ezeket az egyszerű számszekvenciákat már régóta használják a kemoinformatikában, hogy megtalálják a szerkezeti hasonlóságokat, és jól alkalmazhatók számítógéppel segített alkalmazásokhoz. Megközelítésükben a szerzők nagyszámú ilyen ujjlenyomatot használnak az egyes molekulák kémiai szerkezetének lehető legpontosabb ábrázolására. "Ily módon olyan robusztus rendszert tudtunk kifejleszteni, amely felhasználható a teljesen más reakcióeredmények előrejelzésére" - teszi hozzá Marius Kühnemund: "Ugyanaz a modell használható mind a hozamok, mind a sztereoszelektivitások előrejelzésére, ami egyedülálló."

A szerzők bebizonyították, hogy programjuk könnyen alkalmazható, és pontos előrejelzéseket tesz lehetővé, különösen a modern robotikával kombinálva, olyan adatkészlet felhasználásával, amelyet eredetileg nem a gépi tanuláshoz készítettek. "Ez az adatkészlet csak a kiindulási anyagok relatív eladásait tartalmazza, pontos hozamokat nem tartalmaz" - magyarázza Frederik Sandfort. "A pontos hozamokhoz kalibrációkat kell létrehozni. A nagy erőfeszítések miatt azonban ez a valóságban ritkán történik."

A csapat a jövőben is tovább fejleszti programját, és új funkciókkal látja el. Frank Glorius professzor bízik benne: "Ha nagy mennyiségű komplex adatot kell értékelni, akkor a számítógépek alapvetően jobbak nálunk. Célunk azonban nem az, hogy a szintetikus vegyészeket gépekkel cseréljük le, hanem a lehető leghatékonyabban támogassuk őket. a mesterséges intelligencia jelentősen megváltoztathatja a kémiai szintézisek megközelítésének módját. De még mindig a legelején vagyunk. "