2020. 03. 23. - 09:40

Kémiát tanul a mesterséges intelligencia

Kémiát tanul a mesterséges intelligencia

A kémia elsajátításával jelezheti előre a reakció-eredményeket a mesterséges intelligencia – ezen dolgoznak vegyészek és számítógépes tudósok.

A mindennapi élet a mesterséges intelligencia (MI) nélkül immár nehezen elképzelhető a mai világban. Számtalan alkalmazás használja azt, így például az önálló vezetés, idegen nyelvek fordítása vagy az orvosi diagnosztika.
 
A kémiai kutatás sem mellőzi azonban: ezen a téren is nagy erőfeszítéseket tesznek a mesterséges intelligencia, más néven gépi tanulás hatékony alkalmazására. Ezeket a technológiákat régóta használják az egyes molekulák tulajdonságainak előrejelzésére, megkönnyítve a kutatók számára az elkészítendő vegyület kiválasztását.
 
A szintézis elnevezésű termelés általában jelentős erőfeszítéseket igényel, mivel számos lehetséges szintézis-út vezet a lehetséges célmolekula előállításához. Mivel az egyes reakciók sikere számos paramétertől függ, még tapasztalt kémikusok számára is kihívást jelent mindig előre jelezni, hogy a reakció megtörténik-e.
 
Ezen helyzet javítása céljából a német Münsteri Egyetem vegyészei és számítógépes tudósai egyesítették erőiket, s kifejlesztettek egy mesterséges intelligencia-eszközt – melyről a Chem című szakfolyóiratban írtak.
 
Immár a kémiában is használják a mesterséges intelligencia előnyeit
Immár a kémiában is használják a mesterséges intelligencia előnyeit
 
A kémiai reakció rendkívül összetett rendszer, az egyes vegyületek tulajdonságainak előrejelzésével ellentétben a reakció sok molekula kölcsönhatása és így egy többdimenziós probléma – vezette fel a problémát Frederik Sandfort, PhD, a Szerves Kémia Intézet doktorandusza, a fő szerzők egyike.
 
Mint mondta, itt nincsenek egyértelműen meghatározott „játékszabályok”, amelyek - akár a modern sakkozó számítógépek esetében - egyszerűsítik a mesterséges intelligencia-modellek fejlesztését.
 
Ezért a reakció eredmények, például hozamok vagy termékek pontos előrejelzésére vonatkozó korábbi megközelítések nagyrészt a molekuláris tulajdonságokra vonatkozó, korábban megszerzett megértésen alapulnak.
 
„Az ilyen modellek kifejlesztése komoly erőfeszítést igényel. Sőt, ezek többsége igencsak specializálódott, s nem ruházható át más problémákra” – tette hozzá a kutató.
 
A jelenlegi fejlesztés a program általános alkalmazhatóságára összpontosított, hogy más vegyészek is könnyen felhasználhassák azt saját munkájukhoz. Ennek biztosítása érdekében a modell közvetlenül a molekuláris szerkezeteken alapul.
 
„Minden szerves vegyületet lehet ábrázolható grafikonként, elvben képként – mondta el Marius Kühnemund, a tanulmány egy másik számítógépes tudományban jártas szerzője. - Az ilyen grafikonokon lehetséges egyszerű szerkezeti lekérdezéseket végrehajtani az úgynevezett kémiai környezet lehető legpontosabb felvétele érdekében.”
 
Több ilyen, egymást követő lekérdezés kombinációja úgynevezett molekuláris ujjlenyomatot eredményez - ezeket az egyszerű számsorozatokat régóta használják a kémiai informatikában a szerkezeti hasonlóságok felkutatására - kiválóan alkalmasak számítógépes alkalmazásokra is. Megközelítésükben a kutatók nagymennyiségű ujjlenyomatot használnak az egyes molekulák kémiai szerkezetének a lehető legpontosabb ábrázolására.
 
„Ezzel a módszerrel képesek vagyunk egy robusztus rendszer kifejlesztésére, amely felhasználható a teljesen eltérő reakciók előrejelzésére. Ugyanez a modell használható a hozamok és a sztereoszelektivitások előrejelzésére is, ami igencsak egyedinek számít” – mondta el Marius Kühnemund.
 
A szerzők bebizonyították: programjuk egyszerűen alkalmazható és pontos előrejelzéseket tesz lehetővé, különösen a modern robotikával kombinálva, s olyan adatkészlet felhasználásával, amelyet eredetileg nem a gépi tanuláshoz készítettek.
 
Frederik Sandfort kiemelte: ezen adatkészlet csak a kiindulási anyagok relatív értékesítését tartalmazza és nincs pontos hozam. Utóbbihoz kalibrálást kell készíteni. Ugyanakkor a nagy erőkifejtés miatt ezt a valóságban ritkán hajtják végre.
 
A kutatócsoport továbbfejleszti programját, a jövőben új funkciókkal látja el. Frank Glorius professzor megjegyezte: amikor nagymennyiségű összetett adat kiértékelésére van szükség, a számítógépek alapvetően felülmúlnak bennünket.
 
„Célunk azonban nem az, hogy a szintetikus vegyészeket gépekre cseréljük, hanem hogy a lehető leghatékonyabban támogassuk őket. A mesterséges intelligencián alapuló modell jelentősen megváltoztathatja a kémiai szintézisek megközelítésének módját – fogalmazott a professzor. Ám még mindig csak a dolog elején tartanak – tette hozzá.
 
László Adrienn

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.

 

gyulai_vafurdo

profight_banner.