Kimya endüstrisi "AlphaGo" ortaya çıkıyor: 10 milyondan fazla kimyasal reaksiyona dayanarak, insanlar tarafından ihtiyaç duyulan bileşiklerin sentezini hızlandırın
Bu makale DeepTech'in izniyle çoğaltılmıştır (ID: mit-tr)
Yapay zekanın getirdiği devrim hala devam ediyor: Waston robotunun 10 dakikadan daha kısa bir sürede lösemi teşhisinden, dünyanın bir numaralı Go oyuncusunun AlphaGo tarafından yenilmesine; savaş alanından uzaya her yerde görülebilir. Aslında AI, bilimsel araştırma alanına çoktan girdi ve bilim adamlarının akademik araştırma yapmaları için yeni bir yöntem haline geldi.
Şimdi, bilim adamları kimyanın "Alphago" sunu oluşturdular: Bilim adamları, yapay zekanın benzeri görülmemiş bir oranda ters sentez analizi yapabildiğini kanıtlayan "Doğa" üzerine bir makale yayınladılar.
Kimyasal araştırmada, karmaşık bir bileşiği basit hammaddelerden sentezlemek çok zordur. Ters sentez, bileşik üretiminin tasarlanması için standart yöntemdir. Yani kimyagerler, yapmak istedikleri bileşik molekülden başlamak için tersine düşünmeyi kullanır ve daha sonra onu sentezlemek için hangi reaktiflerin ve reaksiyon dizilerinin kolayca elde edilebileceğini analiz eder. Bu yöntem, ilaç ve diğer ürünlerin üretiminde yaygın olarak kullanılmaktadır.
Ters sentez analizi 1960'larda Harvard Üniversitesi profesörü E.J. Corey tarafından önerildi. C Profesör Orey, bu yöntemi keşfettiği için 1990 yılında Nobel Kimya Ödülü'nü kazandı.
Geçmişte bilim adamları, ters sentez analizi sürecini tamamlamak için bilgisayar destekli organik sentez kullanıyorlardı. Bu yöntem sentez verimliliğini artırabilse de, geleneksel bilgisayar destekli yöntem hala sentez hızında yavaştır ve sağlanan moleküler kütleler düzensizdir. İnsanların molekülleri yapmanın en iyi yolunu bulmak için hala kimyasal reaksiyon veri tabanlarını manuel olarak araştırması gerekiyor.
Şekil Marwin Segler
Segler ekibi tarafından geliştirilen yeni AI araçları, bu süreci büyük ölçüde kısalttı. Gelecekte, insanların yeni ilaçları veya diğer ürünleri keşfetme hızının yepyeni bir düzeye ulaşması bekleniyor.
Kimyasal reaksiyonlar satranç oynamak gibidir
Aslında, bileşiklerin üretimi ve satranç oynamanın benzerlikleri vardır. İlgili bileşikler temel bileşenlere ayrılabilir, bu bileşenler "satranç taşlarıdır" ve bilgisayar programları bu "satranç taşları" için farklı yollar sağlar ve daha sonra bunları laboratuvarda sentezler.
Tabii bu teoride kolay gibi görünse de pratikte zorluklarla karşılaştı. Segler şunları söyledi: "Kimya alanında Go dünyasından daha fazla olasılık var ve sorun çok daha karmaşık."
Şekil İki geleneksel sentez yöntemi (kırmızı ve yeşil) ile karşılaştırıldığında, yeni yapay zeka algoritması (mavi), daha kısa bir zaman sınırında daha fazla moleküler sentez yolu tahminini tamamlamak için kullanılabilir.
En son araştırmada, yeni AI aracı, bilinen tüm tek adımlı organik kimyasal reaksiyonları öğrenmek için derin öğrenme sinir ağlarını kullanıyor. Yaklaşık 12,4 milyon . Bu, herhangi bir tek adımda kullanılabilecek kimyasal reaksiyonları tahmin etmesini sağlar. AI araçları, çok adımlı sentezi planlamak, gerekli molekülleri parçalamak ve sonunda kullanılabilir reaktifler elde etmek için bu sinir ağlarını tekrar tekrar uygular. Bu çalışma Alman Araştırma Vakfı tarafından finanse edildi.
Şekil | Ters sentez analizinin şematik diyagramı
Segler şunları söyledi: "Ters sentez organik kimyadaki en önemli konudur. Bir kimyagerin ustalaşmak için yıllarca öğrenmesi gerekir - bu, satranç oynamak gibidir. Profesyonel bilgi öğrenmenin yanı sıra, keskin bir sezgi ve güçlü yaratıcılık da gerektirir. Gösterdiğimiz şey, bilgisayarın kendisinin çeşitli kuralları ve bu kuralların uygulanmasını mevcut literatürden öğrenebileceğidir. "
Şu anda, farklı disiplinlerden birçok araştırmacı üzerinde çalışıyor Derin sinir ağını Monte Carlo arama ağacıyla birleştirin . Monte Carlo arama ağacı, bir oyundaki hareketi değerlendirmek için kullanılan bir yöntemdir. Bilgisayar her adımda, satranç oyununun nasıl bitirileceği gibi sayısız olası durumu simüle edecek, bilgisayar gitmek için en iyi yolu seçecektir.
Şekil Mike Preuss
Benzer şekilde, makineler kimyasal sentezde en iyi yolu bulmak için bu derin sinir ağını kullanabilir. Bilgi sistemleri uzmanı ve araştırmanın yazarı Mike Preuss, "Alphago" nun kimya dünyasındaki başarısının sırrını tek bir cümleyle özetledi: "Reaksiyona hangi moleküllerin katılacağını tahmin etmek için derin sinir ağları kullanılır. Monte Carlo, reaksiyonun olasılığını tahmin etmek için ağaçları araştırır."
Spesifik olarak, ekip tarafından geliştirilen AI algoritması, bilinen 12 milyon yanıttan oluşan bir veritabanına sahip ve derin sinir ağı programı, katı kurallarda programlama yapmak yerine sürekli olarak 12 milyon bilinen yanıttan öğrenebilir. Veritabanı ne kadar çok veri sağlarsa, algoritma o kadar fazla kimyasal yol keşfedebilir ve sentetik yolları tahmin etmenin doğruluğu o kadar yüksek olur.
Bu algoritma ayrıca AlphaGo'ya benzer Monte Carlo ağaç aramasını kullanır ve bu da hedefi binlerce olası düğüme ayrıştırabilir. Kimyasal reaksiyonun her adımından sonra, başarılı olma olasılığı en yüksek olan bir sonraki adımı değerlendirin ve bu "dalı" daha fazla araştırın.
Şekil AI algoritması, farklı kimyasal yolları araştırır ve en yüksek başarı oranına sahip olanı seçer
Waller'in ekibi, bir testte algoritmayı, Alzheimer hastalığının tedavisi için bir ilaç ara ürünü için altı aşamalı bir sentetik yolun haritasını çıkarmaya çalıştı. Sonuç olarak, algoritma 5,4 saniyede literatür cevabıyla aynı yolu hesapladı.
Segler'in dediği gibi, "İnsanlar, bir bilgisayara satranç oynamayı öğretmek gibi, istenen etkiyi elde etmek için bilgisayara çok sayıda kural girebileceğinizi düşünüyor. Ancak bu çalışma kimyası çok karmaşık değildir ve sadece basit kuralları kullanamaz. Anlayın. Gerçekler bize, yeni yanıtları olan yayınların sayısının her on yılda iki katına çıktığını söylüyor. Ne kimyagerler ne de programcılar bu değişime ayak uyduramıyor. AI'nın yardımına ihtiyacımız var. "
İlaç sentezi alanındaki kilometre taşları
Peki bu sefer kimya endüstrisinin "Alphago" yu tam olarak nedir?
Çift kör bir AB testinde, Muenster araştırmacıları, AI tarafından oluşturulan sentetik rotanın, test tarafından oluşturulan sentetik rotadan daha düşük olmadığını buldu.
Yeni AI araçlarının oluşturduğu yolların deneyimli kimyagerler tarafından ayırt edilip edilemeyeceğini test etmek için Segler ve ekibi, Çin ve Almanya'daki iki enstitüden 45 organik kimyacıya 9 molekülden oluşan iki potansiyel gösterdi. sentetik yol: Bir yaklaşım AI tarafından sentezlenir, diğer yaklaşım ise insanlar tarafından tasarlanmıştır. Sonuç olarak, organik kimyagerler farkı anlayamazlar.
Segler, "Kimyagerlerin yöntemlerimizi kullanmasını, daha az kaynak kullanmasını, daha az deney yapmasını ve yaşam standartlarımızı iyileştirebilecek maddeler üretmesini umuyoruz." Dedi.
Aslında, 1960'lardan beri araştırmacılar, organik kimya sentezini planlamak için bilgisayar gücünü kullanmaya çalışıyorlar, ancak çok az başarı elde ettiler. O zamanlar, organik kimya laboratuvarı bir simya cenneti gibi görünüyordu: sıralı reaktif şişeleri, eski ahşap test tüpleri ve kenarda meşgul kimyagerler.
50 yıllık hızlı gelişimin ardından, laboratuvar sahnesi değişiyor, ancak, bilimsel araştırmacıların çalışmalarının doğası değişmedi. Organik kimyagerlerin, gerekli reaksiyon sırasını tanımlamaya devam etmesi ve ardından bu diziyi titiz ellerle izlemeye çalışması gerekiyor.
Yapay zeka teknolojisinin gelişmesiyle birlikte insanlar, makineleri ve yapay zekayı bilimsel araştırma sürecine entegre etmeye çalışarak, organik molekülleri otomatik olarak sentezleyebilen ekipmanlar oluşturarak kimyagerleri özgürleştirmeye başladı.
Bu sonuç, AI araçlarının ilaç sentezinde kullanıldığı ilk kez olmasa da, Bununla birlikte, kimyagerler bu gelişmeyi hala ilaç sentezi alanında bir kilometre taşı olarak görüyorlar, çünkü bu sadece ilaç keşif sürecini hızlandırabildiği için değil, aynı zamanda şu anda potansiyel reaksiyon yollarını işaretlemek için yapay zekanın kullanılmasında en etkili prosedürlerden biri olduğu için.
Mart 2018'de, Güney Kore'deki Ulsan Ulusal Bilim ve Teknoloji Enstitüsü'nde kimyager olan Grzybowski, Segler ekibi tarafından laboratuvarda geliştirilen yeni AI araç algoritmasının önerdiği sekiz kimyasal reaksiyon yolunu test ettiğini ve hepsinin başarılı olduğunu bildirdi.
Segler ekibinin yeni AI aracının çalışma prensibinin, Grzybowski ve ekibinin kimyasal sentezi hızlandıran daha önce icat ettiği Chematica'nın çalışma prensibinden farklı olduğunu belirtmekte fayda var (insanların program tarafından kullanılmak üzere sisteme organik kimya kuralları girmesini gerektiriyor) çünkü bu Yalnızca verilerden öğrenin, insan girdi kurallarına gerek yoktur.
İsveçli hesaplamalı kimyager Ola Engkvist bu çalışmadan etkilendi. "Sentetik kimyanın başarı oranını artırmak, ilaç araştırma ve geliştirme projelerinin hızına ve verimliliğine ve maliyetlerin azaltılmasına büyük fayda sağlıyor." Dedi.
Segler ayrıca, Bu yapay zeka aracı, halihazırda birkaç ilaç şirketinin ilgisini uyandırdı, ancak organik kimyagerlerin işlerini kaybedeceklerine inanmıyor. "Yapay zeka kimyagerler için bir asistan olacak," diye bir benzetme yaptı. "GPS navigasyon cihazları kağıt haritaları gereksiz hale getirebilir, ancak araba sürücülerini yapamaz."
Dr. Waller makaleye şunları yazdı: "Son 60 yıldır, bilim adamları manuel kodlama yoluyla bilgisayarlara sentez kuralları atamaya çalışıyorlar," diye yazmıştı: "Geleneksel yöntemlerin aksine, planlama yetenekleri, semboller kullandık Sembolik beceriye ve otomatik öğrenme yeteneğine sahip güçlü algoritmalar, bilgisayarların kimyasal sentezde yardımcı bir rol oynayıp oynayamayacağı konusunda çok önemlidir. Ve bu teknoloji aynı zamanda tarım, tıbbi tedavi ve malzeme bilimi alanlarında insan ihtiyaçlarını karşılamak için sağlam bir temel oluşturdu. "
-Son-
Editör: Xing Huan Yorumcu: Huang Shan
referans:
https://arxiv.org/pdf/1708.04202.pdf
https://www.nature.com/articles/nature25978
