La previsione delle reazioni molecolari innescate dalla luce è fino ad oggi estremamente dispendiosa in termini di tempo e quindi costosa. Un team guidato da Philipp Marquetand della Facoltà di Chimica dell'Università di Vienna ha ora presentato un metodo che utilizza reti neurali artificiali che accelera drasticamente la simulazione dei processi indotti dalla luce. Il metodo offre nuove possibilità per una migliore comprensione dei processi biologici come le prime fasi della cancerogenesi oi processi di invecchiamento della materia. Lo studio è apparso nel numero attuale della rivista Scienze chimiche , includendo anche un'illustrazione di accompagnamento su una delle sue copertine.

L'apprendimento automatico gioca un ruolo sempre più importante nella ricerca chimica, per esempio. nella scoperta e nello sviluppo di nuove molecole e materiali. In questo studio, ricercatori di Vienna e Berlino mostrano come l'intelligenza artificiale consente simulazioni fotodinamiche efficienti. Per comprendere i processi fotoindotti, come la fotosintesi, percezione visiva umana o cancro della pelle, "abbiamo bisogno di capire il movimento delle molecole sotto l'influenza della luce UV. Oltre ai calcoli meccanici classici, abbiamo anche bisogno di una meccanica quantistica che è computazionalmente estremamente impegnativa e quindi costosa, "dice Philipp Marquetand, autore dello studio e scienziato presso l'Istituto di Chimica Teorica.

Con i metodi precedenti, i ricercatori sono stati in grado di prevedere solo i processi fotoindotti più veloci nell'intervallo dei picosecondi (1 picosecondo =0.000 000 000 001 secondi) – con tempi di calcolo di diversi mesi. Il nuovo metodo utilizza l'intelligenza artificiale per simulare su periodi più lunghi, nell'intervallo di un nanosecondo (1, 000 picosecondi), con tempi di calcolo notevolmente inferiori.

Apprendimento delle reti neurali

Nel loro approccio, i ricercatori utilizzano reti neurali artificiali, ovvero modelli matematici che imitano il funzionamento del nostro cervello. "Insegniamo alla nostra rete neuronale le complesse relazioni quantomeccaniche eseguendo alcuni calcoli in anticipo e trasmettendo la conoscenza alla rete neurale, " dice il primo autore dello studio e uni:docs fellow, Julia Westermayr dell'Istituto di Chimica Teorica. Sulla base delle sue conoscenze, le reti neurali autoapprendenti saranno quindi in grado di prevedere cosa accadrà più rapidamente.

Nell'ambito dello studio, i ricercatori hanno effettuato simulazioni fotodinamiche di una molecola di prova chiamata catione metilenimmonio, un elemento costitutivo della molecola retinica che consente i nostri processi visivi. "Dopo due mesi di informatica, siamo stati in grado di riprodurre la reazione per un nanosecondo; sulla base di metodi precedenti, la simulazione avrebbe richiesto circa 19 anni, " dice la dottoranda Julia Westermayr.

Una prova di concetto

Nell'intervallo dei nanosecondi, avviene la maggior parte dei processi fotochimici:"Con la nostra strategia, stiamo entrando in una nuova dimensione di previsione. In linea di principio, l'approccio che presentiamo può essere applicato a un'ampia gamma di molecole più piccole, compresi i mattoni del DNA e gli amminoacidi, "dice Philipp Marquetand.

Nel passaggio successivo, i ricercatori vogliono usare il loro metodo per descrivere l'aminoacido tirosina. La tirosina si trova nella maggior parte delle proteine, e si sospetta che favorisca la cecità e l'invecchiamento della pelle dopo essere stata danneggiata dall'influenza della luce. Secondo gli autori dello studio, la strategia presentata in generale potrebbe favorire migliori previsioni dei processi controllati dalla luce sotto tutti gli aspetti, compreso l'invecchiamento del materiale e i farmaci fotosensibili.