Des chimistes et des informaticiens développent l’intelligence artificielle – ScienceDaily

La vie quotidienne sans intelligence artificielle est à peine concevable dans le monde d’aujourd’hui. D’innombrables applications dans des domaines tels que la conduite autonome, les traductions en langues étrangères ou les diagnostics médicaux ont trouvé leur chemin dans nos vies. Dans la recherche chimique également, de grands efforts sont faits pour appliquer efficacement l’intelligence artificielle (IA), également connue sous le nom d’apprentissage automatique. Ces technologies ont déjà été utilisées pour prédire les propriétés de molécules individuelles, ce qui permet aux chercheurs de sélectionner plus facilement le composé à produire.

Cette production, connue sous le nom de synthèse, implique généralement un effort considérable car il existe de nombreuses voies de synthèse possibles pour produire une molécule cible. Étant donné que le succès de chaque réaction individuelle dépend de nombreux paramètres, il n’est pas toujours possible, même pour les chimistes expérimentés, de prédire si une réaction aura lieu – et encore moins comment elle fonctionnera. Afin de remédier à cette situation, une équipe de chimistes et d’informaticiens de l’Université de Münster (Allemagne) a uni ses forces et développé un outil d’IA qui est maintenant publié dans la revue Chem.

Contexte et méthode:

“Une réaction chimique est un système très complexe”, explique Frederik Sandfort, doctorant à l’Institut de chimie organique et l’un des principaux auteurs de la publication. “Contrairement à la prédiction des propriétés de composés individuels, une réaction est l’interaction de nombreuses molécules et donc un problème multidimensionnel”, ajoute-t-il. De plus, il n’y a pas de “règles du jeu” clairement définies qui, comme dans le cas des ordinateurs d’échecs modernes, simplifient le développement de modèles d’IA. Pour cette raison, les approches précédentes pour prédire avec précision les résultats de réaction tels que les rendements ou les produits sont principalement basées sur une compréhension précédemment acquise des propriétés moléculaires. “Le développement de tels modèles demande beaucoup d’efforts. De plus, la plupart d’entre eux sont hautement spécialisés et ne peuvent être transférés à d’autres problèmes”, ajoute Frederik Sandfort.

Le travail présenté était donc axé sur une applicabilité générale du programme, de sorte que d’autres chimistes puissent facilement l’utiliser pour leur propre travail. Pour ce faire, le modèle est basé directement sur les structures moléculaires. “Chaque composé organique peut être représenté sous forme de graphique, en principe sous forme d’image”, explique Marius Kühnemund, un autre auteur du domaine de l’informatique. “Sur de tels graphiques, des requêtes structurelles simples – comparables à la question des couleurs ou des formes en photo – peuvent être faites afin de capturer le plus précisément possible l’environnement chimique.”

La combinaison de plusieurs de ces requêtes successives se traduit par une soi-disant empreinte moléculaire. Ces séquences de nombres simples sont utilisées depuis longtemps en chimio-informatique pour trouver des similitudes structurelles et sont bien adaptées aux applications assistées par ordinateur. Dans leur approche, les auteurs utilisent un grand nombre de ces empreintes digitales pour représenter la structure chimique de chaque molécule aussi précisément que possible. “De cette façon, nous avons pu développer un système robuste qui peut être utilisé pour prédire des résultats de réaction complètement différents”, ajoute Marius Kühnemund, “Le même modèle peut être utilisé pour prédire à la fois les rendements et les stéréosélectivités, ce qui est unique.”

Les auteurs ont démontré que leur programme peut être appliqué facilement et permet des prédictions précises, en particulier en combinaison avec la robotique moderne, en utilisant un ensemble de données qui n’a pas été créé à l’origine pour l’apprentissage automatique. “Cet ensemble de données ne contient que les ventes relatives des matières premières et aucun rendement exact”, explique Frederik Sandfort. “Pour des rendements exacts, des étalonnages doivent être créés. Cependant, en raison de l’effort élevé impliqué, cela est rarement fait en réalité.”

L’équipe continuera à développer son programme et à l’équiper de nouvelles fonctions à l’avenir. Le professeur Frank Glorius est confiant: «Lorsqu’il s’agit d’évaluer de grandes quantités de données complexes, les ordinateurs sont fondamentalement supérieurs à nous. Cependant, notre objectif n’est pas de remplacer les chimistes synthétiques par des machines, mais de les soutenir aussi efficacement que possible. sur l’intelligence artificielle peut changer considérablement notre approche des synthèses chimiques. Mais nous en sommes encore au tout début. “

Source de l’histoire:

Matériaux fourni par Université de Münster. Remarque: le contenu peut être modifié pour le style et la longueur.

Source

A propos admin

Découvrez également

Les réseaux de neurones facilitent l’amélioration dans la recherche de nouveaux matériaux – Technologik

Pendant la recherche dans des listes théoriques de nouveaux matériaux possibles pour des applications particulières, …

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *