Maskinintelligens til design af molekyler og reaktionsveje

TSUKUBA, Japan, 24. maj 2023 – (ACN Newswire) – Forskere i Japan har udviklet en maskinlæringsproces, der samtidig designer nye molekyler og foreslår de kemiske reaktioner, der skal danne dem. Holdet ved Institute of Statistical Mathematics (ISM) i Tokyo offentliggjorde deres resultater i tidsskriftet Science and Technology of Advanced Materials: Methods.

<a id="single_1" href="https://photos.acnnewswire.com/20230523.STAM.jpg" title="Designing the network of bonds linking atoms into molecules and suggesting chemical routes at lave molekylerne kan nu gøres samtidigt.”>

Design af netværket af bindinger, der forbinder atomer til molekyler og foreslår kemiske ruter at lave molekylerne kan nu gøres samtidigt.

Mange forskergrupper gør betydelige fremskridt med at bruge kunstig intelligens (AI) og maskinlæringsmetoder til at designe gennemførlige molekylære strukturer med ønskede egenskaber, men fremskridtene med at omsætte designkoncepterne i praksis har været langsom. Den største hindring har været de tekniske vanskeligheder med at finde kemiske reaktioner, der kan gøre de designede molekyler med effektivitet og omkostninger, der kunne være praktiske til brug i den virkelige verden.

"Vores nye maskinlæringsalgoritme og tilhørende softwaresystem kan designe molekyler med alle ønskede egenskaber og foreslå syntetiske ruter til fremstilling af dem fra en omfattende liste af kommercielt tilgængelige forbindelser," siger statistisk matematiker Ryo Yoshida, leder af forskningsgruppen.

Processen bruger en statistisk tilgang kaldet Bayesiansk inferens, som arbejder med et stort sæt data om forskellige muligheder for udgangsmaterialer og reaktionsveje. De mulige udgangsmaterialer er alle kombinationer af de millioner af forbindelser, der let kan købes. Computeralgoritmen vurderer det enorme udvalg af gennemførlige reaktioner og reaktionsnetværk for at opdage en syntetisk rute mod en forbindelse med de egenskaber, den er blevet instrueret om at sigte efter. Ekspertkemikere kan derefter gennemgå resultaterne for at teste og forfine, hvad AI foreslår. AI laver forslagene, mens mennesker beslutter, hvad der er bedst.

"I et casestudie til design af lægemiddellignende molekyler viste metoden overvældende ydeevne," siger Yoshida. Det designede også ruter mod industrielt nyttige smøremiddelmolekyler.

"Vi håber, at vores arbejde vil fremskynde processen med datadrevet opdagelse af en bred vifte af nye materialer," slutter Yoshida. Til støtte for dette mål har ISM-teamet gjort softwaren, der implementerer deres maskinlæringssystem, tilgængelig for alle forskere på GitHub-webstedet.

Den nuværende succes fokuserede kun på design af små molekyler. Holdet planlægger nu at undersøge tilpasning af proceduren til design af polymerer. Mange af de vigtigste industrielle og biologiske forbindelser er polymerer, men det har vist sig vanskeligt at lave nye versioner foreslået af maskinlæring på grund af udfordringer med at finde reaktioner til at bygge designerne. De samtidige design- og reaktionsopdagelsesmuligheder, som denne nye teknologi tilbyder, kan bryde igennem denne barriere.

Yderligere information
Ryo Yoshida
Instituttet for Statistisk Matematik
E-mail: yoshidar@ism.ac.jp

Papir: https://doi.org/10.1080/27660400.2023.2204994

Om videnskab og teknologi af avancerede materialer: Metoder (STAM-M)

STAM Methods er et søstertidsskrift med åben adgang til Science and Technology of Advanced Materials (STAM), og fokuserer på nye metoder og værktøjer til at forbedre og/eller accelerere materialeudvikling, såsom metodologi, apparatur, instrumentering, modellering, high-through put data indsamling, materialer/procesinformatik, databaser og programmering. https://www.tandfonline.com/STAM-M

Dr. Yasufumi Nakamichi
STAM Publishing Director
E-mail: NAKAMICHI.Yasufumi@nims.go.jp

Pressemeddelelse distribueret af Asia Research News for Science and Technology of Advanced Materials.

Emne: Pressemeddelelsesoversigt
Kilde: Videnskab og teknologi af avancerede materialer
Sektorer: Videnskab og nanoteknologi
https://www.acnnewswire.com

Fra Asia Corporate News Network

Ophavsret © 2023 ACN Newswire. Alle rettigheder forbeholdes. En division af Asia Corporate News Network.

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• PlatoAiStream. Web3 Data Intelligence. Viden forstærket. Adgang her.
• Udmøntning af fremtiden med Adryenn Ashley. Adgang her.
• Køb og sælg aktier i PRE-IPO-virksomheder med PREIPO®. Adgang her.
• Kilde: https://www.acnnewswire.com/press-release/english/84111/