Машинний інтелект для проектування молекул і шляхів реакцій

ЦУКУБА, Японія, 24 травня 2023 р. – (ACN Newswire) – Дослідники з Японії розробили процес машинного навчання, який одночасно проектує нові молекули та пропонує хімічні реакції для їх створення. Команда з Інституту статистичної математики (ISM) у Токіо опублікувала свої результати в журналі Science and Technology of Advanced Materials: Methods.

<a id="single_1" href="https://photos.acnnewswire.com/20230523.STAM.jpg" title="Розробка мережі зв’язків, що з’єднує атоми в молекули, і запропоновані хімічні шляхи створювати молекули тепер можна одночасно».>

Розробка мережі зв’язків, що з’єднує атоми в молекули, і запропоновані хімічні шляхи створювати молекули тепер можна одночасно.

Багато дослідницьких груп досягають значного прогресу у використанні штучного інтелекту (ШІ) і методів машинного навчання для розробки можливих молекулярних структур із бажаними властивостями, але прогрес у втіленні концепцій дизайну на практиці йде повільно. Найбільшою перешкодою були технічні труднощі в пошуку хімічних реакцій, які могли б створити розроблені молекули з ефективністю та вартістю, які могли б бути практичними для реального використання.

«Наш новий алгоритм машинного навчання та пов’язана з ним система програмного забезпечення можуть створювати молекули з будь-якими бажаними властивостями та пропонувати синтетичні шляхи їх виготовлення з великого списку комерційно доступних сполук», — каже математик-статистик Ріо Йошіда, керівник дослідницької групи.

Процес використовує статистичний підхід, званий байєсівським висновком, який працює з величезним набором даних про різні варіанти вихідних матеріалів і шляхів реакції. Можливими вихідними матеріалами є всі комбінації мільйонів сполук, які можна легко придбати. Комп’ютерний алгоритм оцінює величезний діапазон можливих реакцій і реакційних мереж, щоб виявити синтетичний шлях до сполуки з властивостями, на які йому було надано націлювання. Потім хіміки-експерти можуть переглянути результати, щоб протестувати та вдосконалити те, що пропонує ШІ. ШІ робить пропозиції, а люди вирішують, що найкраще.

«У прикладі розробки молекул, схожих на ліки, метод показав приголомшливу ефективність», — каже Йосіда. Він також розробив маршрути до промислово корисних молекул мастила.

«Ми сподіваємося, що наша робота прискорить процес відкриття на основі даних широкого спектру нових матеріалів», — підсумовує Йосіда. На підтримку цієї мети команда ISM зробила програмне забезпечення, що реалізує їхню систему машинного навчання, доступним для всіх дослідників на веб-сайті GitHub.

Нинішній успіх зосереджений лише на дизайні малих молекул. Зараз команда планує дослідити адаптацію процедури для розробки полімерів. Багато з найважливіших промислових і біологічних сполук є полімерами, але виявилося складним створювати нові версії, запропоновані машинним навчанням, через проблеми з пошуком реакцій для створення дизайну. Параметри одночасного проектування та виявлення реакції, які пропонує ця нова технологія, можуть подолати цей бар’єр.

Додаткова інформація
Рьо Йосіда
Інститут статистичної математики
Ел. пошта: yoshidar@ism.ac.jp

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

Про науку та технологію перспективних матеріалів: методи (СТАМ-М)

STAM Methods є дочірнім журналом з відкритим доступом Science and Technology of Advanced Materials (STAM), який зосереджується на нових методах та інструментах для вдосконалення та/або прискорення розробки матеріалів, таких як методологія, апаратура, прилади, моделювання, високопрохідні дані. збір, інформатика матеріалів/процесів, бази даних та програмування. https://www.tandfonline.com/STAM-M

Доктор Ясуфумі Накамічі
Директор видавництва STAM
Ел. пошта: NAKAMICHI.Yasufumi@nims.go.jp

Прес-реліз розповсюджений Asia Research News for Science and Technology of Advanced Materials.

Тема: Підсумок прес-релізу
джерело: Наука і технологія перспективних матеріалів
Сектори: Наука та нанотехнології
https://www.acnnewswire.com

Від Азійської корпоративної мережі новин

Авторське право © 2023 ACN Newswire. Всі права захищені. Підрозділ Азійської корпоративної мережі новин.

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoAiStream. Web3 Data Intelligence. Розширення знань. Доступ тут.
• Карбування майбутнього з Адріенн Ешлі. Доступ тут.
• Купуйте та продавайте акції компаній, які вийшли на IPO, за допомогою PREIPO®. Доступ тут.
• джерело: https://www.acnnewswire.com/press-release/english/84111/