هوش مصنوعی متخصص شیمی شد
به گزارش سی دی دریا، یک برنامه متن باز به محققان کمک کرده تا از یکی از گلوگاه های اصلی فرآیند سنتز شیمیایی عبور کنند و به سنتز ۳۵ ترکیب جدید شیمیایی کمک کرده است.
به گزارش سی دی دریا به نقل از ایسنا، جست وجو برای یافتن داروهای پرفروش و مواد اعجاب انگیز کاری خیلی دشوار برای شیمیدانان است. برای ساخت ترکیبات امیدوارکننده خود، آنها باید در بین میلیونها واکنش شیمیایی شناخته شده جست وجو کنند و هر سال صدها هزار واکنش جدید هم به این مجموعه افزوده می شود و سپس بررسی نمایند که آیا اصلا امکان سنتز آن ترکیب وجود دارد یا خیر.
به نقل از نیچر، حالا محققان یک سامانه هوش مصنوعی ساخته اند که فرآیند سنتز شیمیایی را به طرز شایان توجهی ساده تر و سریع تر می کند. این سامانه که موزائیک «MOSAIC» نام دارد و در مطالعه ای که ۱۹ ژانویه در نشریه نیچر انتشار یافته توصیف شده است، شرایطی را عرضه می کند که محققان توانسته اند با استفاده از آنها ۳۵ ترکیب با پتانسیل تبدیل شدن به محصولاتی مانند داروها، مواد شیمیایی کشاورزی یا محصولات آرایشی تولید کنند. بدون آنکه نیاز به جست وجوی بیشتر یا اصلاح شرایط داشته باشند.
تیموتی نیوهاوس، شیمیدان دانشگاه ییل در نیوهیون کانکتیکات و از نویسندگان این مطالعه، می گوید: سنتز مولکول های کوچک، مرحله کُند و زمان بر در کشف دارو و خیلی از حوزه های مهم دیگر است.
نیوهاوس می افزاید: موزائیک می تواند این گلوگاه را از میان بردارد و بنابراین به تولید محصولات بیشتر و بهتر منجر شود. این سامانه می تواند دستورالعمل های کامل آزمایشگاهی با جزئیاتی کافی برای دنبال کردن توسط شیمیدانان تهیه نماید تا به ساخت مولکول هایی کمک نماید که قبل تر هیچگاه وجود نداشته اند.
شیمی با کمک هوش مصنوعی
پیشبینی شرایط واکنش های شیمیایی یکی از محورهای اصلی استفاده از هوش مصنوعی در شیمی بوده است. یکی از ابزارهای شاخص در این عرصه، RXN for Chemistry شرکت IBM است که بر پایه یک مدل زبانی بزرگ (LLM) ساخته شده است.
این سامانه از روشی به نام سیستم ورودی خطی ساده شده مولکولی به اختصار «SMILES» استفاده می نماید. این تکنیک ساختار سه بعدی مولکول ها را به حروف، اعداد و علایم نگارشی مبدل می کند که برای سامانه هائی که الگوهای زبانی را تشخیص می دهند، مناسب تر است. در مقابل، مدل هایی مانند ChemCrow برای انجام وظایف شیمیایی بر مبنای داده های زبان طبیعی آموزش دیده اند.
رویکرد اسمایلز (SMILES) پردازش اطلاعات شیمیایی مانند مواد اولیه و حلال ها را آسان تر می کند. نیوهاوس می گوید: هدف ما ساخت مدلی عمومی بود که بتواند شیمی را همان گونه که شیمیدانان می نویسند بخواند؛ با گوش دادن به زبان دستورالعمل های آزمایشگاهی و تبدیل سریع این صدای جمعی به یک پیشنهاد عملی. او می افزاید که ادغام دستورالعمل های مرحله به مرحله تولیدشده توسط موزائیک در سیستم های خودکار، «گام طبیعی بعدی» خواهد بود.
معماری «مدل های متخصص»
محققان از یک سامانه هوش مصنوعی که قبل تر توسعه داده بودند، استفاده کردند تا پایگاه داده ای شامل حدود یک میلیون واکنش استخراج شده را به ۲٬۲۸۵ زیرمجموعه دسته بندی کنند. سپس با استفاده از این زیرمجموعه ها، مدل زبانی Llama شرکت متا (که تا حدی متن باز است) را برای ساخت ۲٬۴۹۸ مدل «متخصص» جداگانه آموزش دادند. این رویکرد می تواند روی کامپیوتر های محلی اجرا شود، برای اینکه نسبت به مدلهای زبانی بزرگ عمومی، به پارامترهای خیلی کمتری نیاز دارد.
محققان از موزائیک خواستند شرایط موردنیاز برای ساخت ۵۲ ماده جدید را پیشنهاد دهد. بعد از آزمایش این تکنیک ها در آزمایشگاه، آنها توانستند ۳۵ مورد از این مواد را با موفقیت تولید کنند. موزائیک همین طور رنگ و شکل ترکیبات را به درستی پیشبینی کرده بود.
این سامانه حتی شرایطی برای شیوه های واکنشی پیشنهاد کرد که در بین میلیونها واکنش مورد استفاده در آموزش مدلهای متخصص وجود نداشت. موزائیک روشی کاملا جدید برای ساخت نوعی مولکول به نام «آزایندول» پیشنهاد کرد که هنگام آزمایش، موفقیت آمیز بود.
گروه دانشگاه ییل در توسعه موزائیک با محققان شرکت داروسازی چندملیتی بوهرینگر اینگلهایم در کانکتیکات همکاری کرده اند؛ شرکتی که هم اینک از این سامانه استفاده می نماید. ویکتور باتیستا، شیمیدان نظری و محاسباتی در ییل و از نویسندگان این مقاله، می گوید: آنها به طراحی مسیرهای سنتزی جدید علاقه مند هستند. اگر تعداد مراحل کم شود، صرفه جویی مالی زیادی حاصل می شود. او می افزاید کد موزائیک بصورت متن باز در اختیار سایر گروه ها قرار دارد.
این رویکرد پتانسیل خیلی گسترده تری دارد. فراتر از کاربرد عملی آن به عنوان یک ابزار قدرتمند هوش مصنوعی برای سنتز شیمیایی، موزائیک یک الگوی مقیاس پذیر برای سودجستن از دانش جهانی شیمی بوسیله تخصص گرایی ماژولار عرضه می کند.
منبع: cddarya.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب