用于设计分子和反应路径的机器智能

24年2023月XNUMX日，日本筑波–（ACN Newswire）– 日本的研究人员开发了一种机器学习过程，可以同时设计新分子并建议化学反应来制造它们。 位于东京统计数学研究所 (ISM) 的该团队在《先进材料科学与技术：方法》杂志上发表了他们的研究结果。

<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 使分子现在可以同时完成。”>

设计将原子连接成分子的键网络并提出化学路线 使分子现在可以同时完成。

许多研究小组在使用人工智能 (AI) 和机器学习方法设计具有所需特性的可行分子结构方面取得了重大进展，但在将设计概念付诸实践方面进展缓慢。 最大的障碍是寻找化学反应的技术困难，这些化学反应可以使设计的分子具有可用于实际用途的效率和成本。

“我们新颖的机器学习算法和相关软件系统可以设计具有任何所需特性的分子，并建议从大量市售化合物中制造它们的合成路线，”研究小组负责人、统计数学家 Ryo Yoshida 说。

该过程使用一种称为贝叶斯推理的统计方法，该方法处理大量关于起始材料和反应途径的不同选择的数据。 可能的起始材料是可以很容易买到的数百万种化合物的所有组合。 计算机算法评估了广泛的可行反应和反应网络，以发现一种合成路线，以合成具有指示其目标特性的化合物。 然后，专业化学家可以审查结果，以测试和改进 AI 提出的建议。 AI 提出建议，而人类决定哪个是最好的。

“在设计类药物分子的案例研究中，该方法表现出了压倒性的性能，”吉田说。 它还设计了通往工业上有用的润滑剂分子的路线。

“我们希望我们的工作能够加速数据驱动发现范围广泛的新材料的过程，”吉田总结道。 为了支持这一目标，ISM 团队已在 GitHub 网站上向所有研究人员提供实现其机器学习系统的软件。

目前的成功只集中在小分子的设计上。 该团队现在计划研究调整该程序来设计聚合物。 许多最重要的工业和生物化合物都是聚合物，但事实证明，由于寻找反应来构建设计的挑战，很难制作机器学习提出的新版本。 这项新技术提供的同步设计和反应发现选项可能会突破这一障碍。

更多信息
吉田亮
统计数学研究所
电子邮箱： yoshidar@ism.ac.jp

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

关于先进材料科学与技术：方法 (STAM-M)

STAM Methods 是先进材料科学与技术 (STAM) 的开放获取姊妹期刊，专注于改进和/或加速材料开发的新兴方法和工具，例如方法学、仪器、仪器、建模、高通量数据收集、材料/过程信息学、数据库和编程。 https://www.tandfonline.com/STAM-M

中道泰文博士
STAM出版总监
电子邮箱： 中道Yasufumi@nims.go.jp

亚洲先进材料科学与技术研究新闻发布的新闻稿。

主题：新闻发布摘要
Sumber: 先进材料科学与技术
部门： 科学与纳米技术
https://www.acnnewswire.com

来自亚洲企业新闻网

版权所有©2023 ACN Newswire。 版权所有。 亚洲企业新闻网的一个部门。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• 柏拉图爱流。 Web3 数据智能。 知识放大。 访问这里。
• 与 Adryenn Ashley 一起铸造未来。 访问这里。
• 使用 PREIPO® 买卖 PRE-IPO 公司的股票。 访问这里。
• Sumber: https://www.acnnewswire.com/press-release/english/84111/