Banyak upaya telah dilakukan untuk memanfaatkan kekuatan kecerdasan buatan (AI) dan model bahasa besar (LLM) guna memprediksi hasil reaksi kimia baru. Namun, keberhasilannya terbatas, terutama karena model-model ini tidak terikat pada prinsip-prinsip fisika fundamental seperti hukum kekekalan massa.

Sekarang, tim di MIT telah menemukan cara untuk memasukkan kendala fisik ke dalam model prediksi reaksi, yang secara signifikan meningkatkan akurasi dan keandalan hasil.

Gambar pelajaran 86.png
Sistem FlowerER (Pencocokan Aliran untuk Redistribusi Elektron) memungkinkan pelacakan pergerakan elektron secara detail, memastikan tidak ada elektron yang ditambahkan atau hilang secara artifisial. Foto: MIT News

Karya tersebut, yang diterbitkan pada tanggal 20 Agustus di jurnal Nature, ditulis bersama oleh Joonyoung Joung (sekarang Asisten Profesor di Universitas Kookmin, Korea Selatan), mantan insinyur perangkat lunak Mun Hong Fong (sekarang di Universitas Duke), mahasiswa pascasarjana teknik kimia Nicholas Casetti, peneliti pascadoktoral Jordan Liles, mahasiswa fisika Ne Dassanayake, dan penulis utama Connor Coley, Profesor Pengembangan Karier tahun 1957 di Departemen Teknik Kimia dan Departemen Ilmu & Teknik Listrik.

Mengapa prediksi reaksi penting?

"Memprediksi hasil suatu reaksi adalah tugas yang sangat penting," jelas Joung. Misalnya, jika Anda ingin membuat obat baru, "Anda perlu tahu cara mensintesisnya. Ini membutuhkan pengetahuan tentang produk mana yang kemungkinan akan muncul" dari serangkaian bahan awal.

Upaya sebelumnya sering kali hanya melihat data masukan dan keluaran, mengabaikan langkah-langkah peralihan dan kendala fisik seperti ketidakmampuan untuk menciptakan atau kehilangan massa secara alami.

Joung menunjukkan bahwa, meskipun LLM seperti ChatGPT telah mencapai beberapa keberhasilan dalam penelitian, mereka tidak memiliki mekanisme untuk memastikan bahwa hasil mereka mengikuti hukum fisika. "Tanpa melestarikan 'token' (yang mewakili atom), LLM akan secara acak menciptakan atau menghancurkan atom dalam reaksi," ujarnya. "Ini lebih seperti alkimia daripada sains."

Solusi FlowerER: Berdasarkan platform lama, diterapkan pada teknologi baru

Untuk mengatasi hal ini, tim menggunakan metode tahun 1970-an yang dikembangkan oleh ahli kimia Ivar Ugi – matriks ikatan-elektron – untuk merepresentasikan elektron dalam suatu reaksi.

Berdasarkan itu, mereka mengembangkan program Flowerer (Flow matching for Electron Redistribution), yang memungkinkan pelacakan pergerakan elektron secara terperinci, memastikan tidak ada elektron yang ditambahkan atau hilang secara artifisial.

Matriks ini menggunakan nilai selain nol untuk merepresentasikan ikatan atau pasangan elektron bebas, dan nol untuk kebalikannya. "Hal ini memungkinkan kita untuk melestarikan atom dan elektron," jelas Fong. Hal ini merupakan kunci untuk memasukkan prinsip kekekalan massa ke dalam model.

Bukti awal namun menjanjikan

Menurut Coley, sistem saat ini hanyalah sebuah demonstrasi—sebuah bukti konsep yang menunjukkan bahwa metode “pencocokan aliran” sangat cocok untuk memprediksi reaksi kimia.

Meskipun dilatih dengan data dari lebih dari satu juta reaksi kimia (dikumpulkan dari Kantor Paten AS), basis data tersebut masih kekurangan reaksi berbasis logam dan katalitik.

"Kami senang sistem ini dapat memprediksi mekanisme reaksi dengan andal," kata Coley. "Sistem ini memang menghemat massa, menghemat elektron, tetapi tentu saja ada cara untuk memperluas dan meningkatkan ketahanannya di tahun-tahun mendatang."

Model ini kini tersedia untuk umum di GitHub. Coley berharap model ini akan menjadi alat yang berguna untuk menilai reaktivitas dan membangun peta respons.

Sumber data terbuka dan potensi aplikasi yang luas

“Kami mempublikasikan semuanya—mulai dari model, data, hingga kumpulan data sebelumnya yang dibuat oleh Joung yang merinci langkah-langkah mekanistik reaksi yang diketahui,” kata Fong.

Menurut tim, FlowerER dapat menyamai atau bahkan melampaui metode yang ada dalam menemukan mekanisme standar, sekaligus menggeneralisasikannya ke berbagai jenis reaksi yang belum pernah terlihat sebelumnya. Potensi aplikasinya meliputi kimia farmasi, penemuan material, penelitian kebakaran, kimia atmosfer, hingga sistem elektrokimia.

Dibandingkan dengan sistem lain, Coley mencatat: “Dengan pilihan arsitektur yang kami gunakan, kami mencapai lompatan kuantum dalam validitas dan integritas, sambil mempertahankan atau sedikit meningkatkan akurasi.”

Keunikannya, kata Coley, adalah model ini tidak "menemukan" mekanisme, melainkan menyimpulkannya berdasarkan data eksperimen dari literatur paten. "Kami mengekstrak mekanisme dari data eksperimen—sesuatu yang belum pernah dilakukan dan dibagikan dalam skala sebesar ini."

Langkah selanjutnya

Tim berencana memperluas pemahaman model tentang logam dan siklus katalitik. "Kami baru menyentuh permukaannya," aku Coley.

Dalam jangka panjang, ia yakin sistem ini dapat membantu menemukan reaksi kompleks baru, serta mengungkap mekanisme yang sebelumnya tidak diketahui. "Potensi jangka panjangnya sangat besar, tetapi ini baru permulaan."

Penelitian ini didukung oleh konsorsium Pembelajaran Mesin untuk Penemuan dan Sintesis Farmasi dan Yayasan Sains Nasional AS (NSF).

(Sumber: MIT)

Sumber: https://vietnamnet.vn/moi-hinh-ai-moi-du-doan-phan-ung-hoa-hoc-chinh-xac-nho-bao-toan-khoi-luong-2444232.html