Эта статья была проверена в соответствии с редакционным процессом и политикой Science X. Редакторы выделили следующие атрибуты, гарантируя при этом достоверность контента:
проверенный фактами
рецензируемое издание
надежный источник
корректура
Хорошо! Графическая абстракция. Фото: Nature Chemistry (2024). DOI: 10.1038/s41557-024-01546-5
× закрыть
Графическая абстракция. Фото: Nature Chemistry (2024). DOI: 10.1038/s41557-024-01546-5
Исследователи из Ливерпульского университета создали ИИ-помощника, который поможет химикам-лабораторам найти новые, более дешевые способы создания органических молекул.
В исследовании, опубликованном в журнале Nature Chemistry, команда химического факультета в сотрудничестве с исследователями из IBM создала программное обеспечение, которое советует химикам, какие эксперименты им следует проводить дальше, на основе результатов предыдущих экспериментов. Статья называется «Последовательная байесовская оптимизация с замкнутым контуром как руководство для открытия рецептур органических молекулярных металлофотокатализаторов».
На сегодняшний день это привело к созданию рецептуры катализатора для реакции образования углерод-углеродной связи, которая позволяет избежать использования драгоценного металла иридия, стоимость которого составляет около 170 долларов за грамм.
Новый метод использует байесовскую оптимизацию — вычислительный метод, который может решать сложные, многомерные задачи, которые могут обрабатывать большое количество взаимосвязанных переменных и используется в таких областях, как финансы, компьютерная графика и робототехника.
Байесовскую оптимизацию можно использовать для улучшения практически любой сложной физической смеси — например, для создания лучшего рецепта торта, — но эта стратегия становится неэффективной для химических исследований, если не учтены некоторые из известных химических правил.
Профессор Эндрю Купер из факультета химии и инновационных материалов Ливерпульского университета в Ливерпуле сказал: «Все химики знают, что кислоты нейтрализуются основаниями, но если мы не включим это в правило, байесовский алгоритм будет предлагать эксперименты, которые кропотливо переучивают Аналогичным образом, при оптимизации смеси для торта байесовский алгоритм может начать с изучения рецепта, содержащего 99% муки, чего человек просто не стал бы делать».
Однако аналогии с выпеканием не работают для органических реакций, например тех, которые используются для производства фармацевтических лекарств, где основные правила более сложны, чем для кислотно-щелочной химии. Действительно, во многих случаях механизмы реакции до конца не изучены. Таким образом, простого набора правил может не быть.
Профессор Купер добавил: «Мы подошли к этому, рассчитав физические свойства, которые могут повлиять на реакцию — например, насколько хорошо молекулы поглощают свет. Используя эту информацию, алгоритм может сделать вывод, что некоторые комбинации химических веществ могут быть более эффективными, чем другие, на основе свои функции, а не делать случайные перестановки или следовать слишком простому набору правил».
Хотя это и не человеческий интеллект, он делает методы оптимизации более разумными. Кроме того, химику не обязательно придерживаться исключительно предложений алгоритма — он также может проводить свои собственные эксперименты, основанные на своих открытиях.
Однако, по словам профессора Купера, «мы думаем об этом инструменте как об искусственном помощнике, а не как о роботе-повелителе».
На практике этот программный инструмент позволил команде открыть высокоэффективные рецептуры катализаторов, не содержащих иридия, в серии из 107 экспериментов — все еще значительное количество, но лишь небольшая часть из 4500 возможных возможных комбинаций реакций, которые были доступны.
Этот метод следует применять к любым химическим реакциям, в которых можно вычислить соответствующие физические свойства или дескрипторы для управления процессом оптимизации.
Больше информации:
Сяобо Ли и др., Последовательная байесовская оптимизация с замкнутым контуром как руководство для открытия рецептур органических молекулярных металлофотокатализаторов, Nature Chemistry (2024). DOI: 10.1038/s41557-024-01546-5
Информация журнала:
Природная химия
2024-06-11 14:12:04
1718115842
#Исследователи #создают #ИИпомощника #для #химиковсинтетиков
