Banyak percubaan telah dibuat untuk memanfaatkan kuasa kecerdasan buatan (AI) dan model bahasa besar (LLM) untuk meramalkan hasil tindak balas kimia baharu. Walau bagaimanapun, kejayaan telah terhad, sebahagian besarnya kerana model ini tidak terikat dengan prinsip fizikal asas seperti undang-undang pemuliharaan jisim.

Kini, satu pasukan di MIT telah menemui cara untuk memasukkan kekangan fizikal ke dalam model ramalan tindak balas, dengan ketara meningkatkan ketepatan dan kebolehpercayaan keputusan.

Imej pelajaran 86.png
Sistem FlowER (Flow matching for Electron Redistribution) membenarkan pengesanan terperinci pergerakan elektron, memastikan tiada elektron ditambah atau hilang secara buatan. Foto: MIT News

Kerja itu, yang diterbitkan pada 20 Ogos dalam jurnal Nature, dikarang bersama oleh Joonyoung Joung (kini Penolong Profesor di Universiti Kookmin, Korea Selatan), bekas jurutera perisian Mun Hong Fong (kini di Universiti Duke), pelajar siswazah kejuruteraan kimia Nicholas Casetti, penyelidik pasca doktoral Jordan Liles, pelajar fizik Ne Dassanayake, dan pengarang utama Connor Coley, Jabatan Kejuruteraan Elektrik Jabatan Kejuruteraan Elektrik 1957. Sains & Kejuruteraan.

Mengapa ramalan tindak balas penting?

"Meramalkan hasil tindak balas adalah tugas yang sangat penting," jelas Joung. Contohnya, jika anda ingin membuat ubat baharu, "anda perlu tahu cara mensintesisnya. Ini memerlukan mengetahui produk mana yang mungkin muncul" daripada satu set bahan permulaan.

Percubaan sebelum ini selalunya hanya melihat pada data input dan output, mengabaikan langkah perantaraan dan kekangan fizikal seperti ketidakupayaan untuk mencipta atau kehilangan jisim secara semula jadi.

Joung menegaskan bahawa, walaupun LLM seperti ChatGPT telah berjaya dalam penyelidikan, mereka tidak mempunyai mekanisme untuk memastikan keputusan mereka mengikut undang-undang fizik. "Tanpa memulihara 'token' (yang mewakili atom), LLM akan sewenang-wenangnya mencipta atau memusnahkan atom dalam tindak balas," katanya. "Ini lebih seperti alkimia daripada sains."

Penyelesaian FlowerER: Berdasarkan platform lama, digunakan pada teknologi baharu

Untuk mengatasinya, pasukan menggunakan kaedah 1970-an yang dibangunkan oleh ahli kimia Ivar Ugi - matriks ikatan-elektron - untuk mewakili elektron dalam tindak balas.

Berdasarkan itu, mereka membangunkan program FlowER (Flow matching for Electron Redistribution), yang membolehkan pengesanan terperinci pergerakan elektron, memastikan tiada elektron ditambah atau hilang secara buatan.

Matriks ini menggunakan nilai bukan sifar untuk mewakili ikatan atau sepasang elektron bebas, dan sifar untuk sebaliknya. "Ini membolehkan kita memulihara kedua-dua atom dan elektron, " jelas Fong. Ini adalah kunci untuk memasukkan pemuliharaan jisim ke dalam model.

Bukti awal tetapi menjanjikan

Menurut Coley, sistem semasa hanyalah demonstrasi-bukti-konsep yang menunjukkan kaedah "padanan aliran" sangat sesuai untuk meramalkan tindak balas kimia.

Walaupun dilatih dengan data daripada lebih sejuta tindak balas kimia (dikumpul daripada Pejabat Paten AS), pangkalan data masih kekurangan tindak balas berasaskan logam dan pemangkin.

"Kami teruja bahawa sistem itu boleh meramalkan mekanisme tindak balas dengan pasti, " kata Coley. "Ia memelihara jisim, ia memulihara elektron, tetapi pasti ada cara untuk mengembangkan dan meningkatkan keteguhan pada tahun-tahun akan datang."

Model ini kini tersedia secara umum di GitHub. Coley berharap ia akan menjadi alat yang berguna untuk menilai kereaktifan dan membina peta tindak balas.

Sumber data terbuka dan potensi aplikasi yang luas

"Kami mendedahkan segala-galanya kepada umum-daripada model, kepada data, kepada set data sebelumnya yang dibina oleh Joung yang memperincikan langkah mekanistik tindak balas yang diketahui," kata Fong.

Menurut pasukan itu, FlowER boleh memadankan atau melebihi kaedah sedia ada dalam mencari mekanisme standard, sambil juga membuat generalisasi kepada kelas tindak balas yang tidak kelihatan sebelum ini. Aplikasi yang berpotensi terdiri daripada kimia farmaseutikal, penemuan bahan, penyelidikan kebakaran, kimia atmosfera, kepada sistem elektrokimia.

Berbanding dengan sistem lain, Coley menyatakan: "Dengan pilihan seni bina yang kami gunakan, kami mencapai lonjakan kuantum dalam kesahihan dan integriti, sambil mengekalkan atau meningkatkan sedikit ketepatan."

Apa yang unik, kata Coley, ialah model itu tidak "mencipta" mekanisme, tetapi menyimpulkannya berdasarkan data eksperimen daripada literatur paten. "Kami sedang mengekstrak mekanisme daripada data eksperimen—sesuatu yang tidak pernah dilakukan dan dikongsi pada skala ini."

Langkah seterusnya

Pasukan itu merancang untuk mengembangkan pemahaman model tentang logam dan kitaran pemangkin. "Kami hanya mencalarkan permukaan," Coley mengakui.

Dalam jangka panjang, beliau percaya sistem itu boleh membantu menemui tindak balas kompleks baharu, serta menjelaskan mekanisme yang tidak diketahui sebelum ini. "Potensi jangka panjang adalah besar, tetapi ini hanya permulaan."

Penyelidikan itu disokong oleh konsortium Pembelajaran Mesin untuk Penemuan dan Sintesis Farmaseutikal dan Yayasan Sains Kebangsaan 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