L'apprentissage automatique et l'IA aident à prédire les résultats des réactions chimiques
Il existe aujourd'hui peu de problèmes que l'IA et l'apprentissage automatique ne peuvent aider à résoudre. Des chercheurs de l'université nationale de Yokohama utilisent cet avantage moderne pour surmonter ce que les méthodes conventionnelles ne peuvent pas faire.
Une application web à l'usage des chimistes expérimentateurs créée par nos soins. Le téléchargement d'un fichier calculé à l'aide d'un logiciel disponible dans le commerce permet d'analyser l'état électronique. Nous travaillons à la création d'une plateforme permettant aux chimistes du monde entier d'analyser leurs propres systèmes de réaction.
Yokohama National University
Il y a de nombreuses règles à retenir lorsqu'il s'agit de l'interaction de molécules contenant du carbone (ou organiques). La position des groupes sur la molécule qui interagissent avec son environnement, la taille, la forme et la position de la molécule, et la molécule avec laquelle elle interagit. Le résultat d'une réaction donnée peut être très différent en fonction de ces facteurs et de bien d'autres encore, et la prévision de ces résultats s'est avérée être un véritable défi dans le domaine de la chimie. Le contrôle du résultat est une composante essentielle de la synthèse chimique, mais les prédictions ne sont pas toujours suffisantes. Heureusement, l'apprentissage automatique et l'intelligence artificielle (IA) peuvent à nouveau contribuer à faire avancer les choses en prédisant la vitesse ou la sélectivité d'une réaction donnée. Cette technologie peut donc être utile pour prédire le produit attendu.
Les chercheurs ont publié leurs résultats dans le Journal of Chemical Information and Modeling le 9 avril.
En chimie organique, chaque détail compte. Les stériques et les orbitales sont deux domaines courants qui peuvent influer sur la manière dont une molécule interagit avec d'autres molécules. Les stériques font référence à l'arrangement des molécules et les effets stériques peuvent déterminer la forme et la réactivité de la molécule. Cela peut être dû à la taille ou à la charge de la molécule ou de l'atome individuel. Les orbitales sont un moyen d'expliquer l'emplacement le plus probable des électrons qui, à leur tour, peuvent interagir avec d'autres molécules ou atomes pour provoquer des réactions. Ces facteurs peuvent modifier radicalement l'endroit où un nucléophile, ou un réactif donneur d'électrons, peut s'attacher à la molécule réceptrice. C'est ce que l'on appelle la "sélectivité" et, selon l'endroit où la molécule se fixe, les résultats peuvent former différents produits ou rendements du produit désiré. Les chercheurs utilisent l'IA et l'apprentissage automatique ainsi que les connaissances actuelles sur les réactions chimiques pour mieux expliquer ces aspects de la sélectivité moléculaire.
Pour déterminer quelles informations peuvent être utilisées comme informations chimiques essentielles à fournir à l'IA, il est nécessaire de combiner les connaissances chimiques avec les connaissances de l'IA et de l'apprentissage automatique", a déclaré l'auteur correspondant, Hiroaki Gotoh, professeur associé à la faculté d'ingénierie de l'université nationale de Yokohama.
Tout d'abord, il a fallu fournir à l'ordinateur des informations pour qu'il puisse apprendre. Des informations tirées de la littérature sur la chimie computationnelle et d'études antérieures ont été utilisées pour lancer le processus d'apprentissage de l'IA. Après une saisie manuelle des données pour les molécules spécifiques utilisées et le réglage des paramètres optimaux, des analyses de données ont été effectuées sur la base des résultats prédits de l'ensemble de données de test. Ces analyses permettent à l'IA d'apprendre et de prédire les sélectivités futures sur la base des informations déjà connues. "Cette méthode permet une analyse et une interprétation plus complètes des mécanismes de réaction grâce au calcul des paramètres des espaces sphériques qui imitent les nucléophiles approchants", a déclaré Daimon Sakaguchi, premier auteur de l'étude au département de chimie et des sciences de la vie de l'université nationale de Yokohama.
L'étude a permis d'expliquer la sélectivité de 323 réactions de huit nucléophiles en fonction de la "face" de la molécule qui produira la quantité de produit la plus souhaitable. La sélectivité change en fonction de la stérique de la molécule et de ses facteurs orbitaux. Les chercheurs ont constaté que pour certaines molécules, le facteur orbital est plus important pour déterminer la sélectivité faciale, tandis que d'autres dépendent davantage de la stérique de la molécule lorsqu'elle interagit avec son nucléophile.
La combinaison de la technologie prédictive et de l'apprentissage automatique avec des connaissances établies en chimie peut donner de meilleurs résultats de la réaction chimique et aider les chimistes à synthétiser des produits naturels et des produits chimiques pharmaceutiques d'une manière plus rationnelle.
En rationalisant ce processus grâce à l'apprentissage automatique et à l'intelligence artificielle, il est possible de multiplier les expériences. Idéalement, les chercheurs espèrent collaborer avec des chimistes expérimentateurs pour concevoir des réactions qui continueront à développer une technologie plus prédictive pour les réactions chimiques.
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
![Catalyse de la [Fe]-hydrogénase visualisée à l'aide de la spectroscopie de résonance magnétique nucléaire rehaussée de para-hydrogène](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
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.
