17:44 2022-11-29
science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu
_ Noul set de instrumente pentru chimie accelerează analiza moleculelor în soluție
_ Noul set de instrumente pentru chimie accelerează analizele molecule în soluție
Un nou set de instrumente open-source automatizează procesul de calculare a proprietăților moleculare în faza de soluție, eliberând noi căi pentru proiectarea și descoperirea inteligenței artificiale în chimie și nu numai. Journal of Chemical Physics a publicat setul de instrumente gratuit, open-source, dezvoltat de chimiștii teoreticieni de la Universitatea Emory.
Cunoscut sub numele de AutoSolvate, setul de instrumente poate accelera crearea de seturi de date mari, de înaltă calitate, necesare pentru a face progrese în totul, de la energie regenerabilă la sănătatea umană.
„Prin utilizarea fluxului nostru de lucru automatizat, cercetătorii pot genera rapid de 10 sau chiar de 100 de ori mai multe date în comparație cu abordarea tradițională”, spune Fang Liu, profesor asistent la Emory chimie și autor corespondent al lucrării. „Sperăm că mulți cercetători vor accesa setul nostru de instrumente pentru a efectua simulări cu randament ridicat și curatarea datelor pentru moleculele în soluție.”
Asemenea seturi de date, adaugă Liu, vor oferi o bază pentru aplicarea stadiului actual. tehnici de învățare automată a artei pentru a stimula inovația într-o gamă largă de eforturi științifice.
Primul autor al lucrării este Eugen Hruska, un bursier postdoctoral în laboratorul Liu. Co-autorii includ Emory Ph.D. candidatul Ariel Gale și Xiao Huang, care au lucrat la lucrare ca student Emory și acum este student absolvent de chimie la Universitatea Duke.
Explorând lumea cuantică
Un chimist teoretic, Liu conduce o echipă specializată în chimie cuantică computațională, inclusiv modelarea și descifrarea proprietăților moleculare și a reacțiilor în faza de soluție.
Lumea devine mult mai complexă pe măsură ce se micșorează la scara atomilor și a moleculelor mici, unde mecanica cuantică descrie dualitatea undă-particulă a energiei și materiei.
Chimiștii teoreticieni folosesc supercalculatoare pentru a simula structurile moleculelor și vasta gamă de interacțiuni care pot avea loc în timpul unei reacții, astfel încât să poată face predicții despre cum o moleculă se va comporta în anumite condiţii. Înțelegerea acestor dinamici este esențială pentru identificarea moleculelor promițătoare pentru diverse aplicații și pentru conducerea eficientă a reacțiilor.
Cercetătorii au generat deja seturi de date pentru proprietățile multor molecule în faza gazoasă. Cu toate acestea, proprietățile moleculare în faza de soluție rămân relativ neexplorate în contextul big data și al învățării automate, în ciuda faptului că majoritatea reacțiilor au loc în soluție.
Problema este că studiul unei molecule în soluție necesită mult. mai mult timp și efort.
Un proces complicat
„În faza gazoasă, moleculele sunt departe unele de altele”, explică Liu, „deci atunci când studiem o moleculă de interes, nu trebuie să-și ia în considerare vecinii.”
În faza de soluție, totuși, o moleculă este cufundată îndeaproape cu multe alte molecule, făcând sistemul mult mai mare. „Imaginați-vă o moleculă de solvent înconjurată de straturi și straturi de molecule de apă”, spune Liu. „În funcție de dimensiunea și structura sa, o moleculă poate fi acoperită de zeci, sau chiar până la sute, de molecule de apă. În sisteme de dimensiuni atât de mari, calculul va fi lent și poate nici măcar să nu fie fezabil.”
Înainte de a rula un program de chimie cuantică pentru o moleculă în faza de soluție, este necesar să se determine mai întâi geometria moleculei și locația și orientarea moleculelor de solvent din jur.
„Acest proces este dificil de realizat. face", spune Liu. „Este nevoie de atât de mult timp și efort, și este atât de complicat, încât un cercetător poate efectua acest calcul doar pentru câteva sisteme de care îi pasă într-o singură lucrare”, spune Liu.
De asemenea, pot apărea probleme tehnice. în timpul fiecărui pas al procesului, adaugă ea, ceea ce duce la erori în rezultate.
O soluție simplificată
Liu și colegii ei au înlocuit pașii complicati necesari pentru a efectua aceste calcule cu sistemul lor automat AutoSolvate.
Anterior, un chimist de calcul ar putea fi nevoit să introducă sute de linii de cod într-un supercomputer. pentru a rula o simulare. Cu toate acestea, interfața de linie de comandă pentru AutoSolvate necesită doar câteva linii de cod pentru a efectua automat sute de calcule.
„Timpul de rulare a simulărilor poate fi lung, dar aceasta este o sarcină pentru computer, ", spune Liu. „I-am eliberat pe cercetători de majoritatea sarcinilor obositoare, manuale de introducere a datelor, astfel încât să se poată concentra pe analiza rezultatelor lor și pe alte activități creative.”
Pe lângă interfața de linie de comandă orientată către chimiști teoreticianți mai experimentați, AutoSolvate include o interfață grafică intuitivă care este potrivită pentru studenții absolvenți care învață să ruleze simulări.
Laboratoarele pot acum genera eficient multe puncte de date pentru moleculele solvatate și apoi pot folosi setul de date pentru a construi mașini. -modele de invatare pentru proiectare si descoperire chimica. AutoSolvate facilitează, de asemenea, construirea și partajarea seturilor de date în cadrul diferitelor grupuri de cercetare.
Pregătirea terenului pentru învățarea automată
„În ultimii 10 ani, învățarea automată a devenit un instrument popular pentru chimie, dar lipsa seturilor de date computaționale a fost un blocaj”, spune Liu. „AutoSolvate va permite comunității de cercetare să organizeze un număr mare de seturi de date pentru proprietățile moleculare în faza de soluție.”
Determinarea potențialului redox al unei molecule de solvent sau a probabilității ca o oxidare să aibă loc, este doar un exemplu de domeniu cheie de cercetare pe care AutoSolvate l-ar putea ajuta la progres. Moleculele active redox dețin potențial pentru aplicații în dezvoltarea de medicamente anticancerigene și de baterii chimice pentru stocarea energiei regenerabile.
„Construirea unor seturi de date cu potențial redox ne va permite apoi să folosim învățarea automată pentru a analiza milioane de compuși diferiți pentru a-i găsi rapid pe cei cu potențial redox în intervalul dorit”, spune Liu.
În locul unui rezultat cutie neagră, astfel de analize ale seturilor mari de date pot genera inteligență artificială interpretabilă sau reguli de bază pentru moleculară. modele.
„Scopul final este de a identifica reguli care pot fi apoi aplicate pentru a rezolva o gamă largă de probleme fundamentale ale științei”, spune Liu.
Comentarii:
Adauga Comentariu