Μηχανική νοημοσύνη για το σχεδιασμό μορίων και οδών αντίδρασης

TSUKUBA, Ιαπωνία, 24 Μαΐου 2023 - (ACN Newswire) - Ερευνητές στην Ιαπωνία ανέπτυξαν μια διαδικασία μηχανικής μάθησης που σχεδιάζει ταυτόχρονα νέα μόρια και προτείνει τις χημικές αντιδράσεις για την παραγωγή τους. Η ομάδα, στο Ινστιτούτο Στατιστικής Μαθηματικών (ISM) στο Τόκιο, δημοσίευσε τα αποτελέσματά της στο περιοδικό 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 να γίνουν τα μόρια μπορεί τώρα να γίνει ταυτόχρονα.»>

Σχεδιάζοντας το δίκτυο δεσμών που συνδέει άτομα σε μόρια και προτείνοντας χημικές διαδρομές για να γίνουν τα μόρια μπορεί τώρα να γίνει ταυτόχρονα.

Πολλές ερευνητικές ομάδες σημειώνουν σημαντική πρόοδο στη χρήση μεθόδων τεχνητής νοημοσύνης (AI) και μηχανικής μάθησης για το σχεδιασμό εφικτών μοριακών δομών με επιθυμητές ιδιότητες, αλλά η πρόοδος στην εφαρμογή των ιδεών σχεδιασμού ήταν αργή. Το μεγαλύτερο εμπόδιο ήταν οι τεχνικές δυσκολίες στην εύρεση χημικών αντιδράσεων που μπορούν να κάνουν τα σχεδιασμένα μόρια με αποτελεσματικότητες και κόστος που θα μπορούσαν να είναι πρακτικά για πραγματικές χρήσεις.

«Ο νέος αλγόριθμος μηχανικής μάθησης και το σχετικό σύστημα λογισμικού μας μπορούν να σχεδιάσουν μόρια με οποιεσδήποτε επιθυμητές ιδιότητες και να προτείνουν συνθετικές οδούς για την παραγωγή τους από μια εκτενή λίστα εμπορικά διαθέσιμων ενώσεων», λέει ο στατιστικός μαθηματικός Ryo Yoshida, επικεφαλής της ερευνητικής ομάδας.

Η διαδικασία χρησιμοποιεί μια στατιστική προσέγγιση που ονομάζεται συμπέρασμα Μπεϋζιάν, η οποία λειτουργεί με ένα τεράστιο σύνολο δεδομένων σχετικά με διαφορετικές επιλογές για υλικά έναρξης και οδούς αντίδρασης. Οι πιθανές πρώτες ύλες είναι όλοι συνδυασμοί των εκατομμυρίων ενώσεων που μπορούν να αγοραστούν εύκολα. Ο αλγόριθμος του υπολογιστή αξιολογεί το τεράστιο εύρος των εφικτών αντιδράσεων και των δικτύων αντιδράσεων για να ανακαλύψει μια συνθετική οδό προς μια ένωση με τις ιδιότητες στις οποίες έχει δοθεί εντολή να στοχεύει. Οι ειδικοί χημικοί μπορούν στη συνέχεια να επανεξετάσουν τα αποτελέσματα για να δοκιμάσουν και να βελτιώσουν τι προτείνει η τεχνητή νοημοσύνη. Το AI κάνει τις προτάσεις ενώ οι άνθρωποι αποφασίζουν ποιο είναι το καλύτερο.

«Σε μια μελέτη περίπτωσης για το σχεδιασμό μορίων που μοιάζουν με φάρμακα, η μέθοδος έδειξε συντριπτική απόδοση», λέει ο Yoshida. Σχεδίασε επίσης διαδρομές προς βιομηχανικά χρήσιμα μόρια λιπαντικών.

«Ελπίζουμε ότι η δουλειά μας θα επιταχύνει τη διαδικασία ανακάλυψης ενός ευρέος φάσματος νέων υλικών βάσει δεδομένων», καταλήγει ο Yoshida. Προς υποστήριξη αυτού του στόχου, η ομάδα ISM έχει κάνει το λογισμικό που υλοποιεί το σύστημα μηχανικής εκμάθησης διαθέσιμο σε όλους τους ερευνητές στον ιστότοπο του GitHub.

Η τρέχουσα επιτυχία επικεντρώθηκε μόνο στο σχεδιασμό μικρών μορίων. Η ομάδα σχεδιάζει τώρα να διερευνήσει την προσαρμογή της διαδικασίας για το σχεδιασμό πολυμερών. Πολλές από τις πιο σημαντικές βιομηχανικές και βιολογικές ενώσεις είναι πολυμερή, αλλά έχει αποδειχθεί δύσκολο να γίνουν νέες εκδόσεις που προτείνονται από τη μηχανική μάθηση λόγω των προκλήσεων στην εύρεση αντιδράσεων για την κατασκευή των σχεδίων. Οι επιλογές ταυτόχρονης ανακάλυψης σχεδιασμού και αντίδρασης που προσφέρει αυτή η νέα τεχνολογία μπορεί να ξεπεράσουν αυτό το εμπόδιο.

Περαιτέρω πληροφορίες
Ryo Yoshida
Το Ινστιτούτο Στατιστικών Μαθηματικών
Email: yoshidar@ism.ac.jp

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

Σχετικά με την Επιστήμη και την Τεχνολογία Προηγμένων Υλικών: Μέθοδοι (STAM-M)

Το STAM Methods είναι ένα αδελφό περιοδικό ανοιχτής πρόσβασης του Science and Technology of Advanced Materials (STAM) και εστιάζει σε αναδυόμενες μεθόδους και εργαλεία για τη βελτίωση ή/και την επιτάχυνση των εξελίξεων υλικών, όπως μεθοδολογία, συσκευές, όργανα, μοντελοποίηση, δεδομένα υψηλής απόδοσης συλλογή, πληροφορική υλικών/διαδικασιών, βάσεις δεδομένων και προγραμματισμός. https://www.tandfonline.com/STAM-M

Δρ Yasufumi Nakamichi
Διευθυντής εκδόσεων STAM
Email: NAKAMICHI.Yasufumi@nims.go.jp

Δελτίο τύπου που διανέμεται από την Asia Research News for Science and Technology of Advanced Materials.

Θέμα: Σύνοψη δελτίου τύπου
πηγή: Επιστήμη και Τεχνολογία Προηγμένων Υλικών
Τομείς: Επιστήμη και νανοτεχνολογία
https://www.acnnewswire.com

Από το δίκτυο εταιρικών ειδήσεων της Ασίας

Πνευματικά δικαιώματα © 2023 ACN Newswire. Ολα τα δικαιώματα διατηρούνται. Ένα τμήμα του δικτύου εταιρικών ειδήσεων της Ασίας.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
• Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
• πηγή: https://www.acnnewswire.com/press-release/english/84111/