有针对性的设计的分子与人工智能的新方法

工程新型分子和材料与特定的属性可以为工业过程产生显著的进步,药物发现和光电。然而,寻找新的分子和材料与寻找海里捞针,由于分子的数量的化学空间想象10到60的力量。这是分子明显多于有已知宇宙的星星。莱比锡大学和华威大学的科学家们已经成功地开发一种新的方法,使分子的目标设计和材料与特定的属性。他们现在他们的研究成果发表在“自然计算科学”。

研究人员结合各种人工智能方法的实验。第一作者,莱比锡大学的助理教授茱莉亚Westermayr Wilhelm Ostwald物理和理论化学研究所解释说:“一个模型学会预测分子的量子化学性质,而另一学会了这些分子是如何构造的。”她补充说,第一个模型是必要的,使一个高精确度筛选属性时,传统方法计算量子力学性能非常耗时,需要相当大的计算能力。在一个迭代的过程,包括重复步骤直到达到某种目标或满足特定条件,然后研究人员使用这两种模型来生成新的分子和过滤器根据特定的属性。“在每一轮,设计模型学习最适合分子构造,因此专门预测分子优化属性在下一轮中,“Westermayr说。

Rhyan巴雷特的基础研究提供了实习期间在英国华威大学,由人工智能科学发现和增强智能自动化的调查(AI4SD)网络。

分子与优化的属性

“我们特别惊讶,我们可以使用人工智能数据中发现模式导致优化的属性,“Rhyan巴雷特说。最后,研究人员成功地优化多个属性。这使它可以使用的方法找到帕累托最优的解决方案。帕累托最优解决方案的解决方案存在一些优化的属性被发现和个人属性只能变得更好,如果另一个属性在这个过程中变得更糟。

开发的方法被用来设计功能有机分子与光电子学相关。这些小说,更高效的材料可以用在太阳能行业等领域,LED照明、显示技术、数据存储、传感器技术和光纤通信技术。新方法还可以转移到其他领域。其他潜在的应用领域包括活性成分对新药的发展目标,改善对特定疾病有效属性。分子设计,也可用于环境工程开发新流程净化废水和空气。在生物技术,开发基于新生物催化剂和酶分子与特定功能的设计。

参考:Westermayr J, Gilkes J,巴雷特R,毛雷尔RJ。高通量property-driven生殖功能有机分子的设计。Nat第一版Sci。2023年。doi:10.1038 / s43588 - 022 - 00391 - 1

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。