LANL का नया शोध क्वांटम फिजिक्स, केमिस्ट्री और मशीन लर्निंग को मिलाकर ड्रग डिजाइन के लिए एक प्रेडिक्टिव मॉडल बनाता है

क्वांटम भौतिकी के भीतर कई समीकरण उन शोधकर्ताओं का मार्गदर्शन करने में सहायक हो सकते हैं जो रासायनिक अंतःक्रियाओं को देख रहे हैं। क्वांटम भौतिकी और दोनों के रूप में रसायन विज्ञान समान परमाणु स्तरों पर काम करने पर, नए परिणाम प्राप्त करने के लिए इन्हें अक्सर एक-दूसरे के साथ मिलकर उपयोग किया जाता है। हाल ही में, शोधकर्ताओं ने लॉस एलामोस नेशनल लेबोरेटरी (LANL) ने जोड़कर इस जोड़ी को एक कदम आगे बढ़ाया यंत्र अधिगम आणविक सिमुलेशन में जैव रासायनिक संपर्क की भविष्यवाणी करने में मदद करने वाली प्रक्रियाएं। यह बदले में दवा डिजाइन और अन्य उद्योग परिदृश्यों में कदम बढ़ाने में मदद कर सकता है, जिससे लंबी अवधि में दवाएं सुरक्षित और तेज हो जाएंगी।

डेटा सेट के लिए मशीन लर्निंग का उपयोग करना

मशीन लर्निंग प्रक्रियाएं पहले से ही चल रही हैं लागू क्वांटम कंप्यूटिंग और क्वांटम भौतिकी के लिए। क्योंकि मशीन लर्निंग डेटा के बड़े समूहों की भविष्यवाणी करती है और पैटर्न बनाती है, यह क्वांटम भौतिकी या रसायन विज्ञान जैसे क्षेत्रों के लिए फायदेमंद है, जिनमें बहुत सारे गतिशील टुकड़े होते हैं। LANL शोधकर्ता के अनुसार बेंजामिन नेबजेन: “रसायन विज्ञान और सामग्री विज्ञान के क्षेत्र में मशीन लर्निंग (एमएल) विधियों के आगमन से पहले, रसायन विज्ञान और सामग्री प्रणालियों का सबसे बड़ा व्यावहारिक सिमुलेशन कुछ हजार परमाणुओं तक सीमित था। यह कई प्रभावों को सटीक रूप से पकड़ने के लिए बहुत छोटा है जो रासायनिक या भौतिक गुणों जैसे कि अनाज पथ या दुर्लभ प्रतिक्रियाशील पथ को निर्देशित करते हैं। मशीन लर्निंग के लाभों के लिए धन्यवाद, शोधकर्ता सिमुलेशन में अधिक जटिल परिदृश्यों का अध्ययन कर सकते हैं, जिनमें क्वांटम भौतिकी और रसायन विज्ञान पर केंद्रित परिदृश्य भी शामिल हैं।

नए डिज़ाइन करने वाले वैज्ञानिकों के लिए दवाओं या रासायनिक प्रतिक्रियाओं का अध्ययन करते समय, यह पूरी तरह से समझना महत्वपूर्ण है कि क्वांटम स्तर पर इलेक्ट्रॉनों के साथ क्या हो रहा है। नेबगेन ने कहा, "इलेक्ट्रॉनों और परमाणु नाभिकों की गति लगभग सभी रासायनिक और भौतिक गुणों को नियंत्रित करती है जो हमारे आधुनिक अस्तित्व को परिभाषित करते हैं।" “इसमें हमारे द्वारा ली जाने वाली दवाओं से लेकर, हमारे द्वारा प्रतिदिन उपयोग किए जाने वाले घरेलू क्लीनर से लेकर हमारी अपनी कारों और ट्रकों में ईंधन तक हर चीज का रसायन शामिल है। इसके अलावा, उन सामग्रियों के गुण जो हमारी कारों, घरों, उपकरणों, विमानों और लगभग हर चीज को बनाते हैं जिसके साथ हम दिन-प्रतिदिन बातचीत करते हैं, उसी अंतर्निहित भौतिकी द्वारा नियंत्रित होते हैं। यह शोधकर्ताओं को मौलिक स्तर पर अणु की अंतःक्रियाओं की गहराई से जांच करने में सक्षम बनाता है। हालाँकि, एक बार जब यह स्तर पहुँच जाता है, तो गणित और अधिक जटिल हो जाता है। नेबगेन ने समझाया, "न्यूटन के समीकरणों में जाने वाले व्यक्तिगत परमाणुओं पर कार्य करने वाली शक्तियां इलेक्ट्रॉनों की गति से उत्पन्न होती हैं, जो स्वाभाविक रूप से क्वांटम हैं।" "इस प्रकार, इलेक्ट्रॉनों को श्रोडिंगर समीकरण के साथ व्यवहार किया जाना चाहिए, जिसे हल करना एक अधिक चुनौतीपूर्ण गणितीय समस्या है।"

LANL मॉडल बनाने के लिए मशीन लर्निंग का उपयोग करता है

इन कठिन समीकरणों को दूर करने के लिए, नेबजेन जैसे शोधकर्ता मशीन लर्निंग टूल का उपयोग कर रहे हैं। नेबजेन ने कहा कि ये उपकरण सिस्टम में केवल कुछ सबसे महत्वपूर्ण इलेक्ट्रॉनों पर ध्यान केंद्रित करके रासायनिक सिमुलेशन को तेज कर सकते हैं। न्यूरल नेटवर्क नामक मशीन लर्निंग टूल का उपयोग करके, नेबजेन और उनकी टीम एक बनाने में सक्षम थी भविष्य कहनेवाला मॉडल एक अणु के भीतर संभावित इलेक्ट्रॉन अवस्थाएँ और उनसे जुड़ी ऊर्जाएँ। वहां से टीम अलग-अलग इनपुट दिए जाने पर सिमुलेशन के कुछ संभावित परिणामों की सटीकता के साथ भविष्यवाणी कर सकती है। नई दवाओं को डिजाइन और परीक्षण करने के लिए लाखों डॉलर खर्च करने वाली बायोटेक कंपनियों के लिए, इस तरह के पूर्वानुमानित मॉडल कई लागत प्रभावी लाभ दे सकते हैं। हालाँकि दवा उद्योग में मशीन लर्निंग का उपयोग कोई नई बात नहीं है, लेकिन इसे क्वांटम कंप्यूटिंग की शक्ति के साथ जोड़कर भविष्य की दवाओं को लॉन्च करने के लिए आवश्यक अगली पीढ़ी की तकनीक तैयार की जा सकती है।

केना ह्यूजेस-कैसलबेरी इनसाइड क्वांटम टेक्नोलॉजी और JILA में साइंस कम्युनिकेटर (कोलोराडो बोल्डर विश्वविद्यालय और NIST के बीच एक साझेदारी) में एक कर्मचारी लेखक हैं। उनकी राइटिंग बीट्स में डीप टेक, मेटावर्स और क्वांटम टेक्नोलॉजी शामिल हैं।