Повседневную жизнь без искусственного интеллекта, едва ли мыслимо в современном мире. Бесчисленное множество приложений в таких областях, как автономное вождение, иностранные языки или медицинской диагностики нашли свой путь в нашу жизнь. В химических исследованиях, слишком, большие усилия прилагаются для применения искусственного интеллекта (ИИ), также известный как машинное обучение, эффективно. Эти технологии уже были использованы для прогнозирования свойств отдельных молекул, что делает его легче для исследователей, чтобы выбрать комплекс, который будет произведен.
Эта продукция, известная как синтез, как правило, требует значительных усилий, так как существует множество возможных путей синтеза для получения молекулы-мишени. Поскольку успех каждой отдельной реакции зависит от многих параметров, это не всегда возможно, даже для опытных химиков, чтобы предсказать, будет ли реакция пройдет, и даже меньше, насколько хорошо она будет работать. Для того, чтобы исправить эту ситуацию, команда химиков и ученых-компьютерщиков из Университета Мюнстера (Германия) объединили усилия и разработали систему AI, которая была опубликована в журнале хим.
Фон и способ:
«Химическая реакция представляет собой сложную систему», — объясняет Фредерик Sandfort, аспирант Института органической химии и одного из ведущих авторов публикации. «В отличие от прогнозирование свойств индивидуальных соединений, реакции-это взаимодействие многих молекул и, таким образом, многоплановая проблема», — добавляет он. Кроме того, нет четко определенных «правил игры», которые, как и в случае современных шахматных компьютеров, упростить разработку модели искусственного интеллекта. По этой причине, прежние подходы к точного прогнозирования результатов реакции, такие, как урожайность или продукты в основном на основе ранее накопленного понимания молекулярных свойств. «Разработка таких моделей требует большого усилия. Кроме того, большинство из них являются узкоспециализированными и не могут быть переведены на другие проблемы,» Фредерик Sandfort добавляет.
Поэтому в центре внимания представленной работы был на общей применимости программы, так что другие химики могут легко использовать его для собственной работы. Для обеспечения этого, модели непосредственно на основе молекулярных структур. «Любое органическое соединение может быть представлено в виде графика, в принципе, как изображение», — объясняет Мариус Kühnemund, другого автора, из области информатики. «На такие графики, простые структурных запросов-вроде вопрос цвета или формы на фото-можно сделать для того, чтобы захватить так называемую химическую среду как можно точнее.»
Сочетание множества таких последовательных запросов приводит к так называемым молекулярным отпечатком. Эти простые номерные серии уже давно используются в хемоинформатики, чтобы найти структурное сходство и хорошо подходят для компьютерного применения. В их подходе, авторы используют большого количества таких отпечатков, чтобы представить химическую структуру каждой молекулы как можно точнее. «Таким образом, нам удалось разработать надежную систему, которая может быть использована для прогнозирования совершенно разным результатам реакции», — добавил Мариус Kühnemund, «одну и ту же модель можно использовать для прогнозирования как урожайность, так и stereoselectivities, который является уникальным».
Авторы показали, что их программа может быть легко применена и дает точные прогнозы, особенно в сочетании с современной робототехнике, используя набор данных, который не был изначально создан для машинного обучения. «Этот набор данных содержит только относительные продажи исходных материалов и точное урожайности», — объясняет Фредерик Sandfort. «Точные дает, тарировки должны быть созданы. Однако, из-за высоких усилий, это редко делается в реальности.»
Команда продолжит и дальше развивать свою программу и оснастить его новыми функциями в будущем. Профессор Фрэнк Глориус уверен: «когда дело доходит до оценки больших объемов сложных данных, компьютеры принципиально превосходят нас. Однако наша цель-не заменить синтетические химики с машины, но как можно эффективно поддерживать их. Модели, основанные на искусственном интеллекте, могут существенно изменить наш подход к химическому синтезу. Но мы еще в самом начале».
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!