Toronto Üniversitesi Mühendislik araştırmacıları tarafından oluşturulan yeni bir açık erişim aracı, ilaç dağıtımı, kataliz, karbon yakalama ve daha birçok uygulama içeren bir malzeme sınıfı olan metal-organik çerçeveler (MOF’ler) hakkındaki bilgileri organize etmek ve sentezlemek için sistematik bir yol sağlar.
Metal-organik çerçeveler (MOF’ler), ultra yüksek yüzey alanları ve hassas şekilde ayarlanabilir kimyalarıyla öne çıkan, son derece çok yönlü bir malzeme sınıfıdır. Bazı MOF’ların yüzey alanları 7.000 m²/g’a ulaşıyor; bu, bu malzemenin bir gramının bir futbol sahasını kaplamaya yetecek kadar iç yüzey alanı içerdiği anlamına geliyor.
Bu benzersiz yapı, çok çeşitli umut verici uygulamalara olanak tanır. Bazıları, karbondioksiti diğer gazlardan ayırarak yakalanıp tecrit edilmesini sağlayan moleküler elekler olarak kullanılabilir. Diğerleri ise çok küçük molekülleri yakalayarak onların son derece düşük konsantrasyonlarda tespit edilmesini sağlar. Bazıları ise endüstriyel açıdan önemli reaksiyonların hızlandırılmasına veya vücudun belirli bölgelerine ilaç verilmesine yardımcı olabilir.
MOF’ların bilim ve teknolojide artan önemi ve dönüştürücü potansiyeli, 2025 Nobel Kimya Ödülü’ne konu olmaları ile vurgulanıyor.
Ancak MOF’lar üzerine yapılan çalışmaların 25’ten fazla uygulama alanında hız kazanmasıyla birlikte, alanın hızla büyüyen bilgi birikimini takip etmenin, yalnızca araştırmacılar için değil, aynı zamanda bilimsel keşifleri desteklemeyi amaçlayan yapay zeka araçları için de giderek zorlaştığı ortaya çıktı.
Kimya Mühendisliği ve Uygulamalı Kimya Bölümü ile Vektör Enstitüsü’nden Profesör Mohamad Moosavi liderliğindeki bir ekip, bu zorluğun üstesinden gelmeye yardımcı olacak yeni bir sistem geliştirdi.
Yeni araçlarına MOF-ChemUnity olarak kısaltılan MOF’ler için Unifying Chemical Data adı verildi. Çalışma dergide yayımlandı Amerikan Kimya Derneği Dergisi; çalışma yakın tarihli bir sayının kapağı için seçildi.
Moosavi, “Bilimsel keşif, literatürün okunması ve sentezlenmesiyle başlar, ancak bu, otomatikleştirilmesi gereken en zor adımlardan biri olmaya devam ediyor” diyor.
“MOF-ChemUnity, hem araştırmacıların hem de yapay zeka sistemlerinin üzerine inşa edebileceği birleşik bir temel oluşturuyor.”
MOF bilgisinin yapılandırılmış bir haritası
MOF’ların dikkat çekici ayarlanabilirliği, onları geniş bir teknoloji yelpazesine uygun hale getiriyor, ancak disiplinler arası araştırmaların genişliği ve çeşitliliği, alanı giderek daha karmaşık hale getiriyor.
MOF-ChemUnity, MOF araştırma makalelerinden, kristal yapı depolarından ve hesaplamalı malzeme veritabanlarından bilgileri sistematik olarak çıkaran ve bağlayan yapılandırılmış ve ölçeklenebilir bir bilgi grafiği kullanarak bu zorluğun üstesinden gelir.
Sistemin temelinde, literatürdeki kimyasal adları doğru kristal yapılara bağlamak için tasarlanmış çok aracılı geniş dil modeli (LLM) iş akışı bulunmaktadır. Bu, sentez prosedürlerinin, malzeme özelliklerinin ve potansiyel uygulamaların tutarlı, makine tarafından okunabilir bir formatta temsil edilmesini sağlar.
Moosavi, “Bir bilgi grafiği, bir MOF, onun metal düğümü, sentez protokolü ve adsorpsiyon özelliği gibi şeyleri ‘yapılan’, ‘sentezlenen’, ‘için kullanılan’ ilişkileri aracılığıyla birbirine bağlayan bir ağ gibi bilgi parçalarını birbirine bağlar” diyor.
“Bu, yapay zekanın yalnızca veri depolamasına değil aynı zamanda malzemelerin, özelliklerin ve uygulamaların nasıl bağlantılı olduğunu anlamasına ve mantık yürütmesine de olanak tanıyor; tam da MOF-ChemUnity’nin sağladığı şey.”
Literatür temellendirmesi yoluyla yapay zeka halüsinasyonunun azaltılması
Ekip, MOF’lar için literatür bilgisine sahip bir yapay zeka asistanı oluşturmak amacıyla bilgi grafiğini büyük dil modelleriyle entegre ederek sistemin etkisini gösterdi. Kulağa makul gelen ancak yanlış ifadeler üretebilen standart yapay zeka sistemlerinin aksine, literatür bilgisine sahip asistan, doğrulanmış deneysel ve hesaplamalı kayıtlardan yararlanır.
Birçok kurumdan MOF uzmanları tarafından gerçekleştirilen kör değerlendirmelerde asistanın yanıtları, GPT-4o gibi temel Yüksek Lisans’ların ürettiği yanıtlardan sürekli olarak daha doğru, yorumlanabilir ve güvenilir olarak derecelendirildi.
Moosavi, “Bu yaklaşım, büyük dil modellerinin bilimsel alanlara uygulanmasının önündeki en büyük engellerden biri olan halüsinasyonu azaltıyor” diyor.
“Yapay zeka yanıtlarını seçilmiş ve bağlantılı literatüre dayandırarak, daha güvenilir bilimsel akıl yürütmeyi destekleyebiliriz.”
Gelecekteki malzeme keşifleri için bir temel
Moosavi ve çalışmaya önemli katkılarda bulunan yüksek lisans öğrencileri Thomas Pruyn ve Amro Aswad’dan oluşan U of T ekibi, malzeme bilimi ve yapay zeka odaklı araştırmalarda devam eden ilerlemeyi desteklemek amacıyla veri kümesini ve kodu GitHub’da açıkça kullanıma sundu.
Moosavi, projenin bilimsel bilginin nasıl organize edildiği ve erişildiği konusunda daha geniş bir değişime zemin hazırladığını söylüyor.
Moosavi, “Bu çalışma bilimsel araştırmalardaki siloların yıkılmasına yardımcı olacak” diyor.
“İnsan araştırmacıların okuyabilecekleri makale sayısı sınırlıdır, ancak MOF-ChemUnity, alanlar arasında veri işleyebilen yapay zeka sistemlerini etkinleştirmeye yönelik ilk adımı atıyor.
“Edebiyat bilgisine dayalı keşif için yeni bir paradigma oluşturuyor ve biz bunu birçok alanda araştırmayı hızlandırabilecek genelleştirilmiş bilgi sistemlerinin başlangıcı olarak tasavvur ediyoruz.”
