Máy thông minh để thiết kế các phân tử và đường phản ứng

TSUKUBA, Nhật Bản, ngày 24 tháng 2023 năm XNUMX - (ACN Newswire) - Các nhà nghiên cứu ở Nhật Bản đã phát triển một quy trình học máy đồng thời thiết kế các phân tử mới và đề xuất các phản ứng hóa học để tạo ra chúng. Nhóm nghiên cứu tại Viện Toán thống kê (ISM) ở Tokyo đã công bố kết quả của họ trên tạp chí Khoa học và Công nghệ Vật liệu Tiên tiến: Phương pháp.

<a id="single_1" href="https://photos.acnnewswire.com/20230523.STAM.jpg" title="Thiết kế mạng lưới liên kết liên kết các nguyên tử thành phân tử và đề xuất các lộ trình hóa học việc tạo ra các phân tử giờ đây có thể được thực hiện đồng thời.”>

Thiết kế mạng lưới liên kết liên kết nguyên tử thành phân tử và đề xuất các lộ trình hóa học để tạo ra các phân tử bây giờ có thể được thực hiện đồng thời.

Nhiều nhóm nghiên cứu đang đạt được tiến bộ đáng kể trong việc sử dụng trí tuệ nhân tạo (AI) và phương pháp học máy để thiết kế các cấu trúc phân tử khả thi với các đặc tính mong muốn, nhưng tiến độ đưa các khái niệm thiết kế vào thực tế còn chậm. Trở ngại lớn nhất là những khó khăn về mặt kỹ thuật trong việc tìm ra các phản ứng hóa học có thể tạo ra các phân tử được thiết kế có hiệu suất và chi phí có thể áp dụng được cho việc sử dụng trong thế giới thực.

Nhà toán học thống kê Ryo Yoshida, trưởng nhóm nghiên cứu cho biết: “Thuật toán học máy mới của chúng tôi và hệ thống phần mềm liên quan có thể thiết kế các phân tử với bất kỳ đặc tính mong muốn nào và đề xuất các lộ trình tổng hợp để tạo ra chúng từ một danh sách phong phú các hợp chất có sẵn trên thị trường”.

Quá trình này sử dụng phương pháp thống kê được gọi là suy luận Bayes, phương pháp này hoạt động với một tập hợp dữ liệu khổng lồ về các lựa chọn khác nhau cho nguyên liệu ban đầu và lộ trình phản ứng. Các nguyên liệu ban đầu có thể có là sự kết hợp của hàng triệu hợp chất có thể mua được dễ dàng. Thuật toán máy tính đánh giá phạm vi rộng lớn các phản ứng khả thi và mạng phản ứng để khám phá lộ trình tổng hợp hướng tới một hợp chất có các đặc tính mà nó đã được hướng dẫn hướng tới. Sau đó, các nhà hóa học chuyên nghiệp có thể xem xét kết quả để kiểm tra và tinh chỉnh những gì AI đề xuất. AI đưa ra đề xuất trong khi con người quyết định cái nào là tốt nhất.

Yoshida cho biết: “Trong một nghiên cứu điển hình về thiết kế các phân tử giống thuốc, phương pháp này đã cho thấy hiệu quả vượt trội”. Nó cũng thiết kế các con đường hướng tới các phân tử chất bôi trơn hữu ích trong công nghiệp.

Yoshida kết luận: “Chúng tôi hy vọng rằng công việc của chúng tôi sẽ đẩy nhanh quá trình khám phá nhiều loại vật liệu mới dựa trên dữ liệu”. Để hỗ trợ mục tiêu này, nhóm ISM đã cung cấp phần mềm triển khai hệ thống máy học của họ cho tất cả các nhà nghiên cứu trên trang web GitHub.

Thành công hiện tại chỉ tập trung vào việc thiết kế các phân tử nhỏ. Nhóm nghiên cứu hiện đang lên kế hoạch nghiên cứu việc điều chỉnh quy trình để thiết kế các polyme. Nhiều hợp chất sinh học và công nghiệp quan trọng nhất là polyme, nhưng việc tạo ra các phiên bản mới do học máy đề xuất gặp khó khăn do những thách thức trong việc tìm ra phản ứng để xây dựng các thiết kế. Các tùy chọn thiết kế và khám phá phản ứng đồng thời được cung cấp bởi công nghệ mới này có thể vượt qua rào cản đó.

Muốn biết thêm thông tin
Ryo Yoshida
Viện Toán Thống kê
Email: yoshidar@ism.ac.jp

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

Về khoa học công nghệ vật liệu tiên tiến: Phương pháp (STAM-M)

Phương pháp STAM là một tạp chí chị em truy cập mở của Khoa học và Công nghệ Vật liệu Tiên tiến (STAM) và tập trung vào các phương pháp và công cụ mới nổi để cải thiện và / hoặc tăng tốc phát triển vật liệu, chẳng hạn như phương pháp luận, thiết bị, thiết bị đo đạc, mô hình hóa, dữ liệu đưa vào thu thập, tư liệu / xử lý tin học, cơ sở dữ liệu và lập trình. https://www.tandfonline.com/STAM-M

Tiến sĩ Yasufumi Nakamichi
Giám đốc xuất bản STAM
Email: NAKAMICHI.Yasufumi@nims.go.jp

Thông cáo báo chí được phân phối bởi Asia Research News for Science and Technology of Advanced Materials.

Chủ đề: Tóm tắt thông cáo báo chí
nguồn: Khoa học và Công nghệ Vật liệu Tiên tiến
Các ngành: Khoa học & Công nghệ nano
https://www.acnnewswire.com

Từ Mạng Tin tức Doanh nghiệp Châu Á

Bản quyền © 2023 ACN Newswire. Đã đăng ký Bản quyền. Một bộ phận của Asia Corporate News Network.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoAiStream. Thông minh dữ liệu Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Đúc kết tương lai với Adryenn Ashley. Truy cập Tại đây.
• Mua và bán cổ phần trong các công ty PRE-IPO với PREIPO®. Truy cập Tại đây.
• nguồn: https://www.acnnewswire.com/press-release/english/84111/