شفقنا – محققان مدرسه پلیتکنیک فدرال لوزان (EPFL) سامانه هوش مصنوعی جدیدی به نام «سینتِجی» ساختهاند که به شیمیدانها اجازه میدهد با توصیف ساده و به زبان روزمره، مسیر سنتز مولکولهای پیچیده را طراحی کنند. این سیستم مدلهای زبانی بزرگ را جایگزین محاسبات خشک نکرده بلکه از آنها به عنوان «ارزیاب» برای راهنمایی نرمافزارهای موجود شیمی استفاده میکند.
به گزارش سرویس ترجمه شفقنا، ساخت مولکولهای جدید (چه داروی نجاتبخش و چه ماده پیشرفته) به برنامهریزی دقیق و تخصص عمیق نیاز دارد. یک مانع بزرگ «مسیر سنتز معکوس» است؛ شیمیدان از مولکول نهایی شروع میکند و عقبعقب میآید تا مواد اولیه سادهتر و مسیرهای واکنش ممکن را پیدا کند. کامپیوترها میتوانند فضای عظیم شیمیایی را جستجو کنند اما در قضاوت راهبردی مانند یک شیمیدان باتجربه ناتوانند. مانع دیگر «مکانیسم واکنش» است، یعنی درک گامبهگام نحوه حرکت الکترونها در یک واکنش.
«سینتِجی» با ترکیب الگوریتمهای جستجوی سنتی با هوش مصنوعی که میتواند راهبردهای شیمیایی نوشتهشده به زبان طبیعی را تفسیر کند، کار میکند. آندرس ام بران، نویسنده اول مطالعه، میگوید: در ساخت ابزار برای شیمیدانها، رابط کاربری بسیار مهم است و ابزارهای قبلی متکی بر فیلترها و قوانین دست و پاگیر بودند. با «سینتِجی»، قدرت صحبت کردن را به شیمیدانها میدهیم تا بتوانند سریعتر تکرار کنند و ایدههای سنتزی پیچیدهتری را دنبال کنند.
نحوه کار «سینتِجی» در برنامهریزی سنتز به این شکل است: با یک مولکول هدف و یک دستور ساده (مثلاً «یک حلقه خاص زودتر تشکیل شود») شروع میکند. نرمافزار استاندارد سنتز معکوس مسیرهای زیادی تولید میکند. هر مسیر به متن تبدیل و توسط مدل زبانی بررسی میشود. «سینتِجی» به هر گزینه بر اساس تطابق با دستور شیمیدان امتیاز میدهد و منطق خود را توضیح میدهد. همچنین میتواند یک واکنش را به گامهای ابتدایی حرکت الکترونها بشکند و با در نظر گرفتن جزئیاتی مانند شرایط واکنش، محتملترین مسیر را ارزیابی کند.
در یک مطالعه، ۳۶ شیمیدان ۳۶۸ ارزیابی معتبر ارائه کردند و قضاوت آنها به طور میانگین در ۷۱.۲ درصد موارد با نتایج سیستم همخوانی داشت. این سیستم میتواند مراحل محافظتی غیرضروری را شناسایی کند، عملی بودن واکنشها را بسنجد و راهحلهای کارآمد را اولویت ببخشد. مدلهای زبانی بزرگتر بهترین عملکرد را داشتند. فیلیپ شواله، سرپرست تیم تحقیق، میگوید این رویکرد میتواند کشف دارو را سرعت ببخشد، طراحی واکنش را بهبود دهد و ابزارهای پیشرفته را برای دانشمندان بیشتری در دسترس قرار دهد.
این خبر را اینجا ببینید.