La vita quotidiana senza intelligenza artificiale è a malapena concepibile nel mondo di oggi. Innumerevoli applicazioni in settori come la guida autonoma, la traduzione in lingua straniera o la diagnostica medica hanno trovato la loro strada nelle nostre vite. Nella ricerca chimica, pure, si stanno compiendo grandi sforzi per applicare l'intelligenza artificiale (AI), noto anche come apprendimento automatico, effettivamente. Queste tecnologie sono già state utilizzate per prevedere le proprietà delle singole molecole, rendendo più facile per i ricercatori selezionare il composto da produrre.

Questa produzione, noto come sintesi, di solito comporta uno sforzo considerevole poiché ci sono molte possibili vie di sintesi per produrre una molecola bersaglio. Poiché il successo di ogni singola reazione dipende da numerosi parametri, non è sempre possibile, anche per chimici esperti, per prevedere se si verificherà una reazione e ancor meno quanto bene funzionerà. Per rimediare a questa situazione, un team di chimici e informatici dell'Università di Münster (Germania) ha unito le forze e sviluppato uno strumento di intelligenza artificiale che è stato ora pubblicato sulla rivista chimica .

Contesto e metodo:

"Una reazione chimica è un sistema altamente complesso, " spiega Frederik Sandfort, dottorato di ricerca studente presso l'Istituto di Chimica Organica e uno dei principali autori della pubblicazione. "In contrasto con la previsione delle proprietà dei singoli composti, una reazione è l'interazione di molte molecole e quindi un problema multidimensionale, " aggiunge. Inoltre, non esistono "regole del gioco" chiaramente definite che, come nel caso dei moderni computer per scacchi, semplificare lo sviluppo di modelli di intelligenza artificiale. Per questa ragione, i precedenti approcci per prevedere con precisione i risultati delle reazioni, come rese o prodotti, si basano principalmente su una comprensione delle proprietà molecolari precedentemente acquisita. "Lo sviluppo di tali modelli richiede un grande sforzo. Inoltre, la maggior parte di essi sono altamente specializzati e non possono essere trasferiti ad altri problemi, " aggiunge Frederik Sandfort.

Il focus del lavoro presentato era quindi su un'applicabilità generale del programma, in modo che altri chimici possano facilmente usarlo per il proprio lavoro. Per garantire ciò, il modello si basa direttamente su strutture molecolari. "Ogni composto organico può essere rappresentato come un grafico, in linea di principio come immagine, " spiega Marius Kühnemund, un altro autore, dal campo dell'informatica. "Su tali grafici, semplici query strutturali, paragonabili alla questione dei colori o delle forme in una foto, possono essere fatte per catturare il cosiddetto ambiente chimico nel modo più accurato possibile".

La combinazione di molte di queste query successive si traduce in una cosiddetta impronta molecolare. Queste semplici sequenze numeriche sono state a lungo utilizzate in chemioinformatica per trovare somiglianze strutturali e sono adatte per applicazioni assistite da computer. Nel loro approccio, gli autori utilizzano un gran numero di tali impronte digitali per rappresentare la struttura chimica di ciascuna molecola nel modo più accurato possibile. "In questo modo, siamo stati in grado di sviluppare un sistema robusto che può essere utilizzato per prevedere risultati di reazione completamente diversi, " aggiunge Marius Kühnemund, "Lo stesso modello può essere utilizzato per prevedere sia i rendimenti che le stereoselettività, che è unico."

Gli autori hanno dimostrato che il loro programma può essere applicato facilmente e consente previsioni accurate, soprattutto in combinazione con la robotica moderna, utilizzando un set di dati che non è stato originariamente creato per l'apprendimento automatico. "Questo set di dati contiene solo vendite relative delle materie prime e nessun rendimento esatto, " Frederik Sandfort spiega. "Per i rendimenti esatti, devono essere create le calibrazioni. Però, a causa dell'elevato sforzo richiesto, questo è raramente fatto nella realtà."

Il team continuerà a sviluppare ulteriormente il proprio programma ea dotarlo di nuove funzioni in futuro. Il prof. Frank Glorius è fiducioso:"Quando si tratta di valutare grandi quantità di dati complessi, i computer sono fondamentalmente superiori a noi. Però, il nostro obiettivo non è sostituire i chimici sintetici con le macchine, ma per sostenerli nel modo più efficace possibile. I modelli basati sull'intelligenza artificiale possono cambiare in modo significativo il modo in cui ci avviciniamo alle sintesi chimiche. Ma siamo ancora all'inizio".