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 pod kierownictwem naukowców z MIT udało się opracować model sztucznej inteligencji o nazwie FlowER (Flow matching for Electron Redistribution), który w pomysłowy sposób uwzględnia ograniczenia fizyczne w swoich prognozach. “Przewidywanie wyników reakcji jest bardzo ważnym zadaniem. Jeśli chcesz stworzyć nowy lek, musisz wiedzieć, jak go wytworzyć” – mówi Joonyoung Joung, były pracownik naukowy MIT, obecnie adiunkt na Uniwersytecie Kookmin w Korei Południowej.
Chociaż istniejące chemiczne modele językowe o dużej skali (LLM) są wydajne, mają jedną wadę – bez odpowiednich ograniczeń mają tendencję do “wymyślania” atomów w sposób jawnie lekceważący prawa fizyki. Zespół z MIT postanowił zaradzić tej sytuacji, 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.
Mimo że projekt FlowER dopiero raczkuje, już teraz widać, że wyróżnia się na tle innych rozwiązań. Według Connora Coleya, głównego autora badania i profesora MIT, model sztucznej inteligencji dorównuje, a nawet przewyższa istniejące systemy w zakresie przewidywania standardowych mechanizmów reakcji, zachowując przy tym zgodność z prawami fizyki.
Jednak naukowcy nie poprzestali na sukcesach teoretycznych. Aby zapewnić większą zgodność swojego modelu sztucznej inteligencji z rzeczywistością, zweryfikowali swoje wyniki na podstawie danych eksperymentalnych zaczerpniętych z literatury patentowej. “Wyprowadzamy mechanizmy na podstawie danych eksperymentalnych, a nie jest to coś, co dotychczas robiono i udostępniano na taką skalę” – 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.
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.
Ta strona używa plików cookie.