Maschinelle Intelligenz zum Design von Molekülen und Reaktionswegen

TSUKUBA, Japan, 24. Mai 2023 - (ACN Newswire) - Forscher in Japan haben einen maschinellen Lernprozess entwickelt, der gleichzeitig neue Moleküle entwirft und die chemischen Reaktionen zu ihrer Herstellung vorschlägt. Das Team vom Institut für Statistische Mathematik (ISM) in Tokio veröffentlichte seine Ergebnisse in der Zeitschrift Science and Technology of Advanced Materials: Methods.

<a id="single_1" href="https://photos.acnnewswire.com/20230523.STAM.jpg" title="Entwurf des Bindungsnetzwerks, das Atome zu Molekülen verbindet, und Vorschlag chemischer Routen Die Herstellung der Moleküle kann nun gleichzeitig erfolgen.“>

Entwerfen Sie das Netzwerk von Bindungen, die Atome zu Molekülen verbinden, und schlagen Sie chemische Routen vor Die Herstellung der Moleküle kann nun gleichzeitig erfolgen.

Viele Forschungsgruppen machen erhebliche Fortschritte beim Einsatz künstlicher Intelligenz (KI) und Methoden des maschinellen Lernens, um realisierbare molekulare Strukturen mit gewünschten Eigenschaften zu entwerfen, doch bei der Umsetzung der Designkonzepte in die Praxis sind die Fortschritte langsam. Das größte Hindernis waren die technischen Schwierigkeiten bei der Suche nach chemischen Reaktionen, mit denen die entworfenen Moleküle mit Effizienz und Kosten hergestellt werden können, die für reale Anwendungen umsetzbar wären.

„Unser neuartiger Algorithmus für maschinelles Lernen und das zugehörige Softwaresystem können Moleküle mit beliebigen gewünschten Eigenschaften entwerfen und Synthesewege für deren Herstellung aus einer umfangreichen Liste kommerziell verfügbarer Verbindungen vorschlagen“, sagt Statistikmathematiker Ryo Yoshida, Leiter der Forschungsgruppe.

Der Prozess nutzt einen statistischen Ansatz namens Bayes'sche Inferenz, der mit einem riesigen Datensatz über verschiedene Optionen für Ausgangsmaterialien und Reaktionswege arbeitet. Die möglichen Ausgangsmaterialien sind alle Kombinationen aus Millionen von Verbindungen, die leicht erhältlich sind. Der Computeralgorithmus bewertet die große Bandbreite möglicher Reaktionen und Reaktionsnetzwerke, um einen Syntheseweg zu einer Verbindung mit den angestrebten Eigenschaften zu finden. Erfahrene Chemiker können dann die Ergebnisse überprüfen, um die Vorschläge der KI zu testen und zu verfeinern. Die KI macht die Vorschläge, während der Mensch entscheidet, was das Beste ist.

„In einer Fallstudie zum Design arzneimittelähnlicher Moleküle zeigte die Methode eine überwältigende Leistung“, sagt Yoshida. Außerdem wurden Wege zu industriell nutzbaren Schmierstoffmolekülen entwickelt.

„Wir hoffen, dass unsere Arbeit den Prozess der datengesteuerten Entdeckung einer breiten Palette neuer Materialien beschleunigen wird“, schließt Yoshida. Zur Unterstützung dieses Ziels hat das ISM-Team die Software zur Implementierung seines maschinellen Lernsystems allen Forschern auf der GitHub-Website zur Verfügung gestellt.

Der aktuelle Erfolg konzentrierte sich nur auf das Design kleiner Moleküle. Das Team plant nun, die Anpassung des Verfahrens an das Design von Polymeren zu untersuchen. Viele der wichtigsten industriellen und biologischen Verbindungen sind Polymere, aber es hat sich als schwierig erwiesen, durch maschinelles Lernen neue Versionen zu erstellen, da es schwierig ist, Reaktionen zum Aufbau der Designs zu finden. Die gleichzeitigen Design- und Reaktionserkennungsoptionen, die diese neue Technologie bietet, könnten diese Barriere durchbrechen.

Weitere Informationen
Ryō Yoshida
Das Institut für Statistische Mathematik
Email: yoshidar@ism.ac.jp

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

Über Wissenschaft und Technologie fortgeschrittener Materialien: Methoden (STAM-M)

STAM Methods ist eine Open-Access-Schwesterzeitschrift von Science and Technology of Advanced Materials (STAM) und konzentriert sich auf neue Methoden und Werkzeuge zur Verbesserung und/oder Beschleunigung von Materialentwicklungen, wie Methodik, Apparate, Instrumentierung, Modellierung, Hochdurchsatzdaten Sammlung, Material-/Prozessinformatik, Datenbanken und Programmierung. https://www.tandfonline.com/STAM-M

Dr. Yasufumi Nakamichi
STAM Verlagsleiter
Email: NAKAMICHI.Yasufumi@nims.go.jp

Pressemitteilung verteilt von Asia Research News für Science and Technology of Advanced Materials.

Thema: Zusammenfassung der Pressemitteilung
Quelle: Wissenschaft und Technologie fortgeschrittener Materialien
Sektoren: Wissenschaft & Nanotechnologie
https://www.acnnewswire.com

Aus dem Asia Corporate News Network

Copyright © 2023 ACN Newswire. Alle Rechte vorbehalten. Ein Geschäftsbereich des Asia Corporate News Network.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoAiStream. Web3-Datenintelligenz. Wissen verstärkt. Hier zugreifen.
• Die Zukunft prägen mit Adryenn Ashley. Hier zugreifen.
• Kaufen und verkaufen Sie Anteile an PRE-IPO-Unternehmen mit PREIPO®. Hier zugreifen.
• Quelle: https://www.acnnewswire.com/press-release/english/84111/