Машины изучают химию

Машины изучают химию

Повседневная жизнь без искусственного интеллекта едва ли мыслима в современном мире. Бесчисленные приложения в таких областях, как автономное вождение, переводы на иностранные языки или медицинская диагностика нашли свое применение в нашей жизни. В химических исследованиях также предпринимаются большие усилия для эффективного применения искусственного интеллекта (ИИ), также известного как машинное обучение. Эти технологии уже использовались для прогнозирования свойств отдельных молекул, что облегчает исследователям выбор соединения, которое будет произведено.

Это производство, известное как синтез, обычно требует значительных усилий, поскольку существует множество возможных путей синтеза для получения молекулы-мишени. Поскольку успех каждой отдельной реакции зависит от множества параметров, не всегда возможно, даже для опытных химиков, предсказать, будет ли реакция протекать – и еще меньше – насколько хорошо она будет работать. Чтобы исправить эту ситуацию, команда химиков и компьютерщиков из Мюнстерского университета (Германия) объединила усилия и разработала инструмент для искусственного интеллекта, который теперь опубликован в журнале Chem .

Предпосылки и методика:

«Химическая реакция – очень сложная система», – объясняет Фредерик Сандфорт, аспирант Института органической химии и один из ведущих авторов публикации. «В отличие от предсказания свойств отдельных соединений, реакция – это взаимодействие многих молекул и, следовательно, многомерная проблема», добавляет он. Более того, нет четко определенных «правил игры», которые, как и в случае современных шахматных компьютеров, упрощают разработку моделей ИИ. По этой причине предыдущие подходы к точному прогнозированию результатов реакции, таких как выходы или продукты, в основном основаны на ранее полученном понимании молекулярных свойств. «Разработка таких моделей требует больших усилий. Более того,

Поэтому в центре внимания представленной работы была общая применимость программы, чтобы другие химики могли легко использовать ее для своей работы. Чтобы обеспечить это, модель основана непосредственно на молекулярных структурах. «Каждое органическое соединение может быть представлено в виде графика, в принципе, в виде изображения», – объясняет Мариус Кюнемунд, другой автор, из области информатики. «На таких графиках можно выполнить простые структурные запросы – сравнимые с вопросом о цветах или формах на фотографии – чтобы максимально точно охватить так называемую химическую среду».

Комбинация многих таких последовательных запросов приводит к так называемому молекулярному отпечатку пальца. Эти простые числовые последовательности давно используются в хемоинформатике для поиска структурных сходств и хорошо подходят для компьютерных приложений. В своем подходе авторы используют большое количество таких отпечатков пальцев для максимально точного представления химической структуры каждой молекулы. «Таким образом, мы смогли разработать надежную систему, которая может использоваться для прогнозирования совершенно разных результатов реакции, – добавляет Мариус Кюнемунд, – та же модель может использоваться для прогнозирования как урожайности, так и стереоселективности, которая является уникальной».

Авторы продемонстрировали, что их программа может быть легко применена и позволяет делать точные прогнозы, особенно в сочетании с современной робототехникой, используя набор данных, который изначально не был создан для машинного обучения. «Этот набор данных содержит только относительные продажи исходных материалов и не дает точных результатов», – объясняет Фредерик Сандфорт. «Для получения точных урожаев необходимо создавать калибровки. Однако из-за больших усилий это редко делается в реальности».

Команда продолжит развивать свою программу и оснащать ее новыми функциями в будущем. Профессор Фрэнк Глориус уверен: «Когда дело доходит до оценки больших объемов сложных данных, компьютеры принципиально превосходят нас. Однако наша цель состоит не в том, чтобы заменить синтетических химиков машинами, а в том, чтобы обеспечить их максимально эффективную поддержку. на искусственном интеллекте может значительно изменить способ, которым мы подходим к химическому синтезу. Но мы все еще в самом начале”.