Calculer les "empreintes digitales" des molécules grâce à l'intelligence artificielle
Avec les méthodes conventionnelles, le calcul de l'empreinte spectrale des grosses molécules prend énormément de temps. Or, il s'agit d'une condition préalable à l'interprétation correcte des données obtenues expérimentalement. Aujourd'hui, une équipe du HZB a obtenu de très bons résultats en beaucoup moins de temps grâce à des réseaux neuronaux graphiques à apprentissage automatique.
Le réseau neuronal graphique GNN reçoit de petites molécules en entrée et a pour tâche de déterminer leurs réponses spectrales. En les faisant correspondre aux spectres connus, le programme GNN apprend à calculer les spectres de manière fiable.
© K. Singh, A. Bande/HZB
"Les macromolécules, mais aussi les points quantiques, qui se composent souvent de milliers d'atomes, peuvent difficilement être calculés à l'avance à l'aide de méthodes conventionnelles telles que la DFT", explique le Dr Annika Bande, PD à HZB. Avec son équipe, elle a étudié comment réduire le temps de calcul en utilisant des méthodes issues de l'intelligence artificielle.
L'idée : un programme informatique du groupe des "réseaux neuronaux graphiques" ou GNN reçoit de petites molécules en entrée et a pour tâche de déterminer leurs réponses spectrales. À l'étape suivante, le programme GNN compare les spectres calculés avec les spectres cibles connus (DFT ou expérimentaux) et corrige le chemin de calcul en conséquence. Tour après tour, le résultat s'améliore. Le programme GNN apprend ainsi tout seul à calculer les spectres de manière fiable à l'aide de spectres connus.
"Nous avons formé cinq nouveaux GNN et avons constaté que l'un d'entre eux, le modèle SchNet, permettait d'obtenir d'énormes améliorations : La précision augmente de 20 % et cela se fait en une fraction du temps de calcul", explique le premier auteur, Kanishka Singh. Singh participe à l'école doctorale HEIBRiDS et est supervisé par deux experts d'horizons différents : le professeur Ulf Leser, expert en informatique de l'université Humboldt de Berlin, et Annika Bande, chimiste théorique.
"Les cadres GNN récemment développés pourraient faire encore mieux", dit-elle. "Et la demande est très forte. Nous voulons donc renforcer cet axe de recherche et prévoyons de créer un nouveau poste postdoctoral à cet effet à partir de l'été, dans le cadre du projet Helmholtz "eXplainable Artificial Intelligence for X-ray Absorption Spectroscopy"."
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
