Un nuovo modello prevede il punto di non ritorno di una reazione chimica
I chimici potrebbero utilizzare questo rapido metodo computazionale per progettare reazioni più efficienti che producano composti utili, dai carburanti ai farmaci
Quando i chimici progettano nuove reazioni chimiche, un'informazione utile riguarda lo stato di transizione della reazione - il punto di non ritorno da cui una reazione deve procedere.
Questa informazione permette ai chimici di cercare di produrre le condizioni giuste per far avvenire la reazione desiderata. Tuttavia, i metodi attuali per prevedere lo stato di transizione e il percorso che seguirà una reazione chimica sono complicati e richiedono un'enorme potenza di calcolo.
I ricercatori del MIT hanno ora sviluppato un modello di apprendimento automatico in grado di fare queste previsioni in meno di un secondo, con un'elevata precisione. Il loro modello potrebbe facilitare ai chimici la progettazione di reazioni chimiche che potrebbero generare una varietà di composti utili, come farmaci o combustibili.
"Vorremmo essere in grado di progettare processi che permettano di utilizzare risorse naturali abbondanti e trasformarle in molecole di cui abbiamo bisogno, come materiali e farmaci terapeutici. La chimica computazionale è davvero importante per capire come progettare processi più sostenibili per passare dai reagenti ai prodotti", spiega Heather Kulik, Lammot du Pont Professor of Chemical Engineering, professore di chimica e autore senior del nuovo studio.
L'ex studente laureato del MIT Chenru Duan PhD '22, che ora lavora presso Deep Principle, l'ex studente laureato del Georgia Tech Guan-Horng Liu, che ora lavora presso Meta, e lo studente laureato della Cornell University Yuanqi Du sono gli autori principali del lavoro.
Stime migliori
Ogni reazione chimica, per avvenire, deve passare attraverso uno stato di transizione, che ha luogo quando si raggiunge la soglia energetica necessaria per procedere con la reazione. Questi stati di transizione sono così fugaci che è quasi impossibile osservarli sperimentalmente.
In alternativa, i ricercatori possono calcolare le strutture degli stati di transizione utilizzando tecniche basate sulla chimica quantistica. Tuttavia, questo processo richiede una grande potenza di calcolo e può richiedere ore o giorni per calcolare un singolo stato di transizione.
"Idealmente, vorremmo essere in grado di utilizzare la chimica computazionale per progettare processi più sostenibili, ma questo calcolo di per sé è un uso enorme di energia e risorse per trovare questi stati di transizione", dice Kulik.
Nel 2023, Kulik, Duan e altri hanno presentato una strategia di apprendimento automatico sviluppata per prevedere gli stati di transizione delle reazioni. Questa strategia è più veloce rispetto all'uso di tecniche di chimica quantistica, ma è comunque più lenta di quanto sarebbe ideale, perché richiede che il modello generi circa 40 strutture e poi faccia passare queste previsioni attraverso un "modello di confidenza" per prevedere quali stati hanno maggiori probabilità di verificarsi.
Uno dei motivi per cui il modello deve essere eseguito così tante volte è che utilizza ipotesi generate casualmente per il punto di partenza della struttura dello stato di transizione, quindi esegue decine di calcoli fino a raggiungere l'ipotesi finale migliore. Questi punti di partenza generati in modo casuale possono essere molto lontani dallo stato di transizione effettivo, motivo per cui sono necessari così tanti passaggi.
Il nuovo modello dei ricercatori, React-OT, descritto nell'articolo di Nature Machine Intelligence, utilizza una strategia diversa. In questo lavoro, i ricercatori hanno addestrato il loro modello a partire da una stima dello stato di transizione generata dall'interpolazione lineare, una tecnica che stima la posizione di ogni atomo spostandolo a metà strada tra la sua posizione nei reagenti e nei prodotti, nello spazio tridimensionale.
"Un'ipotesi lineare è un buon punto di partenza per approssimare la posizione dello stato di transizione", spiega Kulik. "Il modello parte da un'ipotesi iniziale molto migliore rispetto a un'ipotesi completamente casuale, come nel lavoro precedente".
Per questo motivo, il modello impiega meno passi e meno tempo per generare una previsione. Nel nuovo studio, i ricercatori hanno dimostrato che il loro modello è in grado di fare previsioni con soli cinque passaggi, impiegando circa 0,4 secondi. Queste previsioni non hanno bisogno di essere alimentate da un modello di fiducia e sono circa il 25% più accurate delle previsioni generate dal modello precedente.
"Questo rende React-OT un modello pratico che possiamo integrare direttamente nel flusso di lavoro computazionale esistente nello screening high-throughput per generare strutture ottimali di stati di transizione", spiega Duan.
"Una vasta gamma di chimica
Per creare React-OT, i ricercatori lo hanno addestrato sullo stesso set di dati utilizzato per addestrare il modello precedente. Questi dati contengono le strutture dei reagenti, dei prodotti e degli stati di transizione, calcolati con metodi di chimica quantistica, per 9.000 reazioni chimiche diverse, che coinvolgono per lo più piccole molecole organiche o inorganiche.
Una volta addestrato, il modello si è comportato bene anche con altre reazioni di questo set, che erano state tenute fuori dai dati di addestramento. Il modello ha ottenuto buoni risultati anche su altri tipi di reazioni su cui non era stato addestrato ed è stato in grado di fare previsioni accurate su reazioni con reagenti più grandi, che spesso hanno catene laterali che non sono direttamente coinvolte nella reazione.
"Questo è importante perché ci sono molte reazioni di polimerizzazione in cui si ha una grande macromolecola, ma la reazione avviene in una sola parte. Avere un modello che si generalizza su sistemi di diverse dimensioni significa poter affrontare un'ampia gamma di chimica", spiega Kulik.
I ricercatori stanno ora lavorando per addestrare il modello in modo che possa prevedere gli stati di transizione per le reazioni tra molecole che includono altri elementi, tra cui zolfo, fosforo, cloro, silicio e litio.
Il team del MIT spera che altri scienziati utilizzino il loro approccio per progettare le proprie reazioni e a tal fine ha creato un'applicazione.
"Ogni volta che si dispone di un reagente e di un prodotto, è possibile inserirli nel modello e questo genererà lo stato di transizione, da cui si può stimare la barriera energetica della reazione desiderata e vedere quanto è probabile che si verifichi", spiega Duan.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
