Yeni kimyasal reaksiyonların sonuçlarını tahmin etmeye çalışmak için yeni yapay zeka ve büyük dil modellerinin (LLMS) gücünü kullanmak için birçok girişimde bulunulmuştur. Bunlar kısmen sınırlı bir başarıya sahipti, çünkü şimdiye kadar kitlenin korunma yasaları gibi temel fiziksel ilkelerin anlaşılmasına dayanmamışlardı.
Şimdi, MIT’deki bir araştırmacı ekibi, bu fiziksel kısıtlamaları bir reaksiyon tahmin modeline dahil etmenin ve böylece çıktılarının doğruluğunu ve güvenilirliğini büyük ölçüde artırmanın bir yolunu buldu.
Yeni çalışma dergide bildirildi Doğason zamanlarda Postdoc Joonyoung Joung (şimdi Güney Kore Kookmin Üniversitesi’nde yardımcı doçent) tarafından yapılan bir makalede; eski yazılım mühendisi Mun Hong Fong (şimdi Duke Üniversitesi’nde); Kimya Mühendisliği Lisansüstü Öğrencisi Nicholas Casetti; Doktora sonrası Jordan Liles; Fizik lisans öğrencisi NE Dassanayake; ve 1957 Sınıfı Kimya Mühendisliği ve Elektrik Mühendisliği ve Bilgisayar Bilimleri Bölümlerinde Kariyer Geliştirme Profesörü olan kıdemli yazar Connor Coley.
Joung, “Tepki sonuçlarının tahmini çok önemli bir görevdir.” Örneğin, yeni bir ilaç yapmak istiyorsanız, “Nasıl yapılacağını bilmeniz gerekir. Bu nedenle, bu, bir reaksiyona belirli bir dizi kimyasal girişten kaynaklanacağını bilmemizi gerektirir.”
Ancak, bu tür tahminleri gerçekleştirme çabalarının çoğu, ara adımlara bakmadan veya gerçek reaksiyonlarda mümkün olmayan süreçte hiçbir kütlenin kazanılmamasını veya kaybolmamasını sağlama kısıtlamalarını göz önünde bulundurmadan sadece bir dizi girdi ve bir dizi çıktıya bakar.
Joung, ChatGPT gibi büyük dil modellerinin birçok araştırma alanında çok başarılı olmasına rağmen, bu modellerin çıktılarını kütle korumasına uymalarını istemek gibi fiziksel olarak gerçekçi olasılıklarla sınırlamanın bir yolunu sunmadığını belirtiyor. Bu modeller, bu durumda bireysel atomları temsil eden hesaplama “jetonları” kullanır.
Ancak, “Tokenleri korumazsanız, LLM modeli yeni atomlar yapmaya başlar veya reaksiyonda atomları silmeye başlar.”
Gerçek bilimsel anlayışa dayanmak yerine, “bu biraz simya gibidir” diye ekliyor. Reaksiyon tahminine yönelik birçok girişim sadece son ürünlere bakarken, “tüm kimyasalları ve kimyasalların nasıl dönüştürüldüğünü” reaksiyon işlemi boyunca baştan sona erdiriyor.
Sorunu ele almak için ekip, 1970’lerde bir reaksiyondaki elektronları temsil etmek için bir bağ-elektron matrisi kullanan kimyager Ivar Ugi tarafından geliştirilen bir yöntemi kullandı. Bu sistemi, hiç kimsenin süreçte sahte bir şekilde eklenmediğinden veya silinmemesini sağlamak için reaksiyondaki tüm elektronları açıkça izlemelerini sağlayan Flower (elektron yeniden dağıtımı için akış eşleşmesi) adı verilen yeni programlarının temeli olarak kullandılar.
Sistem, bir reaksiyonda elektronları temsil etmek için bir matris kullanır ve bağları veya yalnız elektron çiftlerini ve sıfırları temsil etmek için sıfır olmayan değerler kullanır.
Fong, “Bu, hem atomları hem de elektronları aynı anda korumamıza yardımcı oluyor” diyor. Bu temsilin, tahmin sistemlerine kütle korumasını dahil eden kilit unsurlardan biri olduğunu söylüyor.
Coley, geliştirdikleri sistemin hala erken bir aşamada olduğunu söylüyor.
“Sistem olduğu gibi bir gösteri – bu üretken akış eşleştirme yaklaşımının kimyasal reaksiyon tahmini görevine çok uygun olduğuna dair bir kavram kanıtı.”
Ekip bu umut verici yaklaşım için heyecanlı olsa da, “Gördüğü farklı kimyaların genişliğine göre belirli sınırlamaları olduğunun farkındayız.” Model, bir ABD Patent Ofisi veritabanından elde edilen bir milyondan fazla kimyasal reaksiyonla ilgili veriler kullanılarak eğitilmiş olsa da, bu veriler belirli metalleri ve bazı katalitik reaksiyonları içermiyor.
“Mevcut sistemden” Kimyasal mekanizmaların bu kadar güvenilir tahminlerini alabileceğimiz konusunda inanılmaz heyecan duyuyoruz “diyor. “Kütle’yi korur, elektronları korur, ancak kesinlikle önümüzdeki yıllarda üzerinde çalışmak için çok daha fazla genişleme ve sağlamlık olduğunu kabul ediyoruz.”
Ancak, çevrimiçi platform GitHub aracılığıyla serbestçe kullanılabilir hale getirilen mevcut haliyle bile, “doğru tahminler yapacağını ve reaktiviteyi değerlendirmek ve reaksiyon yollarını haritalamak için bir araç olarak yararlı olacağını düşünüyoruz” diyor Coley. “Mekanik anlayış sanatını gerçekten ilerletmenin ve yeni tepkiler icat etmeye yardımcı olmanın geleceğine bakarsak, tam olarak orada değiliz. Ama umarım bu buna doğru bir basamak taş olacaktır.”
“Her şey açık kaynak,” diyor Fong. Joung tarafından geliştirilen ve bilinen reaksiyonların mekanik adımlarını kapsamlı bir şekilde listeleyen önceki bir veri kümesi de dahil olmak üzere “Modeller, veriler, hepsi orada”. “Bence bu veri kümesini yapan ve açık kaynaklı hale getiren ve bunu herkes için kullanılabilir hale getiren öncü gruplardan biriyiz” diyor.
Çiçek modeli, standart mekanik yolları bulmada mevcut yaklaşımları eşleştirir veya daha iyi performans gösterir, ekibin diyor ve daha önce görülmemiş reaksiyon tiplerine genelleştirmeyi mümkün kılıyor. Modelin potansiyel olarak tıbbi kimya, malzeme keşfi, yanma, atmosferik kimya ve elektrokimyasal sistemler için reaksiyonları tahmin etmek için ilgili olabileceğini söylüyorlar.
Mevcut reaksiyon tahmin sistemleriyle karşılaştırmalarında Coley, “Yaptığımız mimari seçimleri kullanarak, geçerlilik ve korumadaki bu büyük artışı elde ediyoruz ve performans açısından eşleşen veya biraz daha iyi bir doğruluk elde ediyoruz.”
“Yaklaşımımızla ilgili benzersiz olan şey, bu veri kümesini üretmek için bu ders kitabı mekanizmaların anlayışlarını kullanırken, patent literatüründen deneysel olarak onaylanmış verilerde genel reaksiyonun reaktanlarını ve ürünlerini demirlememizdir.”
Altta yatan mekanizmaları çıkarıyorlar, diyor, sadece onları telafi etmek yerine.
Diyerek şöyle devam etti: “Onları deneysel verilerden etkiliyoruz ve bu daha önce bu tür ölçekte yapılan ve paylaşılan bir şey değil.”
Bir sonraki adım hakkında konuşarak, “Modelin metaller ve katalitik döngüler anlayışını genişletmekle oldukça ilgileniyoruz. Bu ilk makalede yüzeyi çizdik” ve şimdiye kadar dahil edilen reaksiyonların çoğu metal veya katalizör içermiyor, “bu yüzden bu oldukça ilgilendiğimiz bir yön.”
Uzun vadede, “Heyecan, yeni karmaşık tepkileri keşfetmeye ve yeni mekanizmaları açıklamaya yardımcı olmak için bu tür bir sistemi kullanmaktır. Uzun vadeli potansiyel etkinin büyük olduğunu düşünüyorum, ama bu elbette sadece ilk adımdır.”
