Εκτενής βάση δεδομένων για οργανοκαταλύτες στην υπηρεσία της τεχνητής νοημοσύνης
Μια διαθέσιμη στο ευρύ κοινό, βάση δεδομένων θα μπορούσε να βοηθήσει τους χημικούς να αναπτύξουν μεθόδους βελτιστοποίησης αντιδράσεων με σκοπό τη σύνθεση οργανικών ενώσεων.
Disclaimer: Απαγορεύεται η αναδημοσίευση, αναπαραγωγή, ολική, μερική ή περιληπτική ή κατά παράφραση ή διασκευή ή απόδοση του περιεχομένου του παρόντος διαδικτυακού τόπου με οποιονδήποτε τρόπο, χωρίς αναφορά στο RAWMATHUB.GR (με ενεργό link) ή χωρίς την προηγούμενη γραπτή άδεια του RAWMATHUB.GR.
Η βάση δεδομένων περιέχει περίπου 4.000 οργανοκαταλύτες, οι οποίοι έχουν προκύψει μέσω πειραματικών διαδικασιών. Περιέχει επίσης αρκετές εμπλουτισμένες δομές με βάση αυτούς τους οργανοκαταλύτες. «Η προσπάθεια μας αντιπροσωπεύει τα πρώτα βήματα προς μια εκτενή χαρτογράφηση του χώρου των οργανοκαταλυτών, ο οποίος χαρακτηρίζεται από μεγάλη χημική ποικιλομορφία», αναφέρει η Clémence Corminboeuf, συνδημιουργός της βάσης, από το Swiss Federal Institute of Technology (EPFL).
Οι ερευνητές θα μπορούν να χρησιμοποιούν τη βάση δεδομένων, γνωστή ως Oscar (Organic structures for catalysis repository), «για να εκπαιδεύσουν μοντέλα μηχανικής μάθησης και να προβλέψουν τις ιδιότητες νέων καταλυτών», προσθέτει το μέλος της ομάδας του EPFL, Simone Gallarati. Η ομάδα ελπίζει επίσης ότι η βάση δεδομένων θα είναι πολύτιμο εργαλείο και για τους χημικούς που σχεδιάζουν νέους καταλύτες.
Η κατασκευή της βάσης δεδομένων Oscar περιελάμβανε ένα πρωτόκολλο πέντε βημάτων που ξεκίνησε με την ομάδα να συλλέγει χειροκίνητα καταλύτες (ως δισδιάστατα αντικείμενα) από άρθρα επιστημονικών περιοδικών, βιβλία και εμπορικούς καταλόγους.
Κατά τη διάρκεια της επιμέλειας της βάσης Oscar, η ομάδα της Corminboeuf ανέπτυξε μια γενική στρατηγική συλλογής, αποδόμησης και επανασυναρμολόγησης δομών για τη δημιουργία χιλιάδων νέων ενώσεων. Αυτή η προσέγγιση, που βασίζεται σε «θραύσματα» ενώσεων, συνδυάζει διαφορετικά μοτίβα από υπάρχοντες καταλύτες με διαφορετικούς συνδετικούς παράγοντες για να δημιουργήσει ένα μεγάλο σύνολο δομών που μπορεί να μην έχουν μελετηθεί πειραματικά προηγουμένως. Ο Robert Paton, από το Colorado State University στις ΗΠΑ, και μέλος του Center for Computer Assisted Synthesis, λέει ότι «η ικανότητα πρόβλεψης ή έρευνας οργανοκαταλυτικών δομών που δεν έχουν ακόμη συντεθεί στην πραγματικότητα, θα είναι πολύ εντυπωσιακή».
Η βάση δεδομένων Oscar καλύπτει μια ευρεία περιοχή του τομέα των οργανοκαταλυτών και χαρακτηρίζεται από τεράστια χημική ποικιλομορφία, ενώ περιλαμβάνει ένα σύνολο στερικών και ηλεκτρονικών μοριακών περιγραφέων, χρήσιμων για την εκτίμηση των καταλυτικών ιδιοτήτων των ενώσεων που προκύπτουν από τους συνδυασμούς.
Τα τελευταία χρόνια παρατηρείται μια κίνηση στην επιστήμη όσον αφορά στην κοινή χρήση δεδομένων. Ενώ ορισμένοι ερευνητές προβληματίζονται μήπως τα ερευνητικά τους δεδομένα αντιγραφούν, οι περισσότεροι αντιλαμβάνονται επίσης τα οφέλη, συμπεριλαμβανομένων συμπερασμάτων που βασίζονται σε παλιά και νέα δεδομένα, δυνατότητα διασταύρωσης πληροφοριών και διαφάνεια στις πηγές της πληροφορίας. Η δημιουργία εκτεταμένων, προσαρμοσμένων βάσεων δεδομένων είναι απαραίτητη για την ανάπτυξη εργαλείων στον τομέα της κατάλυσης και σε άλλα πεδία της χημείας.
Με τον τρόπο αυτό, σε μια προσπάθεια να βελτιώσουν την ανταλλαγή δεδομένων σε όλη την χημεία της κατάλυσης, οι επιμελητές της βάσης Oscar έχουν καταστήσει τις δομές και τις ιδιότητες των καταλυτών δημόσια διαθέσιμες στο Materials Cloud. «Η πρόοδος στο πεδίο θα επιταχυνθεί με την πρόσβαση σε δεδομένα υψηλής ποιότητας και νομίζω ότι αυτό το έχει πετύχει η ομάδα μας», λέει ο Paton.
Με τη βάση Oscar να παρέχει πλέον πρόσβαση στα δομικά στοιχεία των οργανοκαταλυτών, η Corminboeuf λέει ότι «σχεδιάζουν να τα χρησιμοποιήσουν μαζί με μοντέλα μοριακής παραγωγής, ειδικούς αλγόριθμους, για να ανακαλύψουν νέα μόρια με επιθυμητές ιδιότητες». «Κατά τη διάρκεια αυτών των εξελικτικών πειραμάτων, μπορούμε να βρούμε τους καλύτερους συνδυασμούς δομικών στοιχείων που αποδίδουν καλύτερους, πιο αποτελεσματικούς οργανοκαταλύτες», προσθέτει.
Η ομάδα του EPFL υποστηρίζει ότι η βάση δεδομένων της όχι μόνο θα βοηθήσει στην καθιέρωση μεθόδων βελτιστοποίησης αντιδράσεων που βασίζονται σε δεδομένα στην οργανική σύνθεση, αλλά η γενική στρατηγική που χρησιμοποιείται για την επιμέλειά της, θα βοηθήσει να δημιουργηθούν βάσεις δεδομένων που δεν ήταν διαθέσιμες στο παρελθόν.
Πηγή: chemistryworld.com
ΜΕΤΑΦΡΑΣΗ - ΕΠΙΜΕΛΕΙΑ: ΣΥΝΤΑΚΤΙΚΗ ΟΜΑΔΑ RAWMATHUB.GR
