Machine-intelligentie voor het ontwerpen van moleculen en reactiepaden

Machine-intelligentie voor het ontwerpen van moleculen en reactiepaden

Tijdstempel: 23 mei 2023 9:00 uur

TSUKUBA, Japan, 24 mei 2023 - (ACN Newswire) - Onderzoekers in Japan hebben een machinaal leerproces ontwikkeld dat tegelijkertijd nieuwe moleculen ontwerpt en de chemische reacties voorstelt om deze te maken. Het team van het Institute of Statistical Mathematics (ISM) in Tokio publiceerde hun resultaten in het tijdschrift 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
het maken van de moleculen kan nu tegelijkertijd.”>Machine-intelligentie voor het ontwerpen van moleculen en reactiepaden PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.
Het ontwerpen van het netwerk van bindingen die atomen tot moleculen verbinden en chemische routes voorstellen
het maken van de moleculen kan nu tegelijkertijd worden gedaan.

Veel onderzoeksgroepen boeken aanzienlijke vooruitgang bij het gebruik van kunstmatige intelligentie (AI) en machine learning-methoden om haalbare moleculaire structuren met de gewenste eigenschappen te ontwerpen, maar de vooruitgang bij het in de praktijk brengen van de ontwerpconcepten verloopt traag. Het grootste obstakel zijn de technische problemen geweest bij het vinden van chemische reacties die de ontworpen moleculen kunnen maken met efficiëntie en kosten die haalbaar zouden kunnen zijn voor gebruik in de echte wereld.

“Ons nieuwe machine learning-algoritme en het bijbehorende softwaresysteem kunnen moleculen met elke gewenste eigenschap ontwerpen en synthetische routes voorstellen om ze te maken uit een uitgebreide lijst van in de handel verkrijgbare verbindingen”, zegt statistisch wiskundige Ryo Yoshida, leider van de onderzoeksgroep.

Het proces maakt gebruik van een statistische benadering, Bayesiaanse inferentie genaamd, die werkt met een enorme reeks gegevens over verschillende opties voor uitgangsmaterialen en reactieroutes. De mogelijke uitgangsmaterialen zijn allemaal combinaties van de miljoenen verbindingen die gemakkelijk kunnen worden gekocht. Het computeralgoritme beoordeelt het enorme scala aan mogelijke reacties en reactienetwerken om een ​​synthetische route te ontdekken naar een verbinding met de eigenschappen waarnaar het moet streven. Deskundige scheikundigen kunnen vervolgens de resultaten bekijken om te testen en te verfijnen wat de AI voorstelt. AI doet de suggesties, terwijl mensen beslissen wat het beste is.

“In een casestudy voor het ontwerpen van medicijnachtige moleculen liet de methode overweldigende prestaties zien”, zegt Yoshida. Het ontwierp ook routes naar industrieel bruikbare smeermiddelmoleculen.

“We hopen dat ons werk het proces van datagestuurde ontdekking van een breed scala aan nieuwe materialen zal versnellen”, besluit Yoshida. Ter ondersteuning van dit doel heeft het ISM-team de software die hun machine learning-systeem implementeert, beschikbaar gesteld aan alle onderzoekers op de GitHub-website.

Het huidige succes concentreerde zich alleen op het ontwerp van kleine moleculen. Het team is nu van plan om de aanpassing van de procedure voor het ontwerpen van polymeren te onderzoeken. Veel van de belangrijkste industriële en biologische verbindingen zijn polymeren, maar het is moeilijk gebleken om nieuwe versies te maken die door machinaal leren worden voorgesteld vanwege de uitdagingen bij het vinden van reacties om de ontwerpen te bouwen. De gelijktijdige ontwerp- en reactie-ontdekkingsopties die deze nieuwe technologie biedt, kunnen die barrière doorbreken.

Nadere inlichtingen
Ryo Yoshida
Het Instituut voor Statistische Wiskunde
E-mail: yoshidar@ism.ac.jp

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

Over wetenschap en technologie van geavanceerde materialen: methoden (STAM-M)

STAM Methods is een open access zustertijdschrift van Science and Technology of Advanced Materials (STAM), en richt zich op opkomende methoden en tools voor het verbeteren en/of versnellen van materiaalontwikkelingen, zoals methodologie, apparatuur, instrumentatie, modellering, high-throughput data verzameling, materialen/procesinformatica, databases en programmeren. https://www.tandfonline.com/STAM-M

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

Persbericht verspreid door Asia Research News for Science and Technology of Advanced Materials.


Onderwerp: samenvatting van het persbericht
Bron: Wetenschap en technologie van geavanceerde materialen
Sectoren: Wetenschap en nanotechnologie
https://www.acnnewswire.com

Van het Asia Corporate News Network

Copyright © 2023 ACN Newswire. Alle rechten voorbehouden. Een divisie van Asia Corporate News Network.

Tijdstempel:

Meer van ACN Nieuwslijn