Naukowcy z MIT integrują prawa fizyczne ze sztuczną inteligencją w celu poprawy przewidywania reakcji chemicznych

Świat sztucznej inteligencji dokonał astronomicznych skoków w różnych dziedzinach, ale wydaje się, że istnieje pięta achillesowa, jeśli chodzi o przewidywanie wyników reakcji chemicznych. Te niezadowalające wyniki można często przypisać brakowi powiązania z podstawowymi zasadami fizyki, w szczególności z zasadą zachowania masy i elektronów. Wkrótce może się to jednak zmienić dzięki wysiłkom Massachusetts Institute of Technology (MIT).

A ostatnie badanie kierowany przez naukowców z MIT, był w stanie zaprojektować model sztucznej inteligencji o nazwie FlowER (Flow matching for Electron Redistribution), który genialnie uwzględnia fizyczne ograniczenia w swoich prognozach. "Przewidywanie wyników reakcji jest bardzo ważnym zadaniem. Jeśli chcesz stworzyć nowy lek, musisz wiedzieć, jak to zrobić", mówi były postdoc MIT, Joonyoung Joung, który jest obecnie adiunktem na Uniwersytecie Kookmin w Korei Południowej.

Sprawianie, by nieistniejące istniało

Istniejące chemiczne duże modele językowe (LLM), choć zdolne, okazują się niewystarczające pod jednym względem - bez odpowiednich ograniczeń mają tendencję do "wymyślania" atomów w sposób jawnie lekceważący prawa fizyki. Zespół MIT starał się temu zaradzić, zapewniając, że ich system sztucznej inteligencji, FlowER, może skrupulatnie śledzić każdy atom i elektron od początku do końca reakcji.

Ich rozwiązanie zostało znalezione w koncepcji sprzed czterech dekad: reprezentacji opartej na macierzy opracowanej przez chemika Ivara Ugi w latach siedemdziesiątych. Dzięki temu model może skutecznie monitorować zarówno atomy, jak i elektrony podczas całej reakcji.

Nowicjusz, który wybija się ponad swoją wagę

Będący w powijakach FlowER już zaczął wykazywać oznaki, że jest lepszy od reszty. Według Connora Coleya, starszego autora i profesora MIT, model AI rywalizuje, a nawet przewyższa istniejące systemy w przewidywaniu standardowych mechanizmów reakcji, zachowując przy tym fizyczną poprawność.

Badacze nie poprzestali jednak na teoretycznych sukcesach. Aby upewnić się, że ich model sztucznej inteligencji jest bliższy rzeczywistości, zweryfikowali swoje ustalenia za pomocą danych eksperymentalnych pochodzących z literatury patentowej. "Przypisujemy mechanizmy na podstawie danych eksperymentalnych, a to nie jest coś, co zostało zrobione i udostępnione na taką skalę wcześniej" - podkreśla Coley.

FlowER jest obecnie dostępny jako oprogramowanie open-source na GitHub dla tych, którzy chcą z niego korzystać. Obejmuje to zbiór danych stworzony przez Jounga, który skrupulatnie wyszczególnia mechanistyczne etapy znanych reakcji, zasób uważany za pierwszy w swoim rodzaju.

Połączenie sztucznej inteligencji z nauką o żywiołach w celu uzyskania niewidzialnych widoków

Zastosowania tej metody sztucznej inteligencji są dalekosiężne. Podczas gdy FlowER ma jeszcze wiele do zrobienia w zakresie doskonalenia swoich przewidywań, zwłaszcza w odniesieniu do reakcji opartych na metalach lub reakcji katalitycznych, oczekuje się, że trwające badania przyniosą owoce, które będą korzystne w różnych sektorach: chemii medycznej, materiałoznawstwie, spalaniu, chemii atmosferycznej i elektrochemii.

Jak ujął to Coley: "Dopiero zarysowaliśmy powierzchnię. Wiele emocji wiąże się z wykorzystaniem tego rodzaju systemu do odkrywania nowych złożonych reakcji i wyjaśniania nowych mechanizmów".

Przeczytaj więcej o badaniach na stronie Strona internetowa MIT News.

Podczas gdy przepaść między sztuczną inteligencją a podstawową fizyką mogła być kwestią długotrwałą, projekty takie jak FlowER z MIT reprezentują pełną nadziei przyszłość, w której sztuczna inteligencja jest głęboko zintegrowana z nauką, pomagając uwolnić jej pełny potencjał w różnych dziedzinach, takich jak chemia.