Salah satu tujuan mendasar yang dibagikan dari sebagian besar peneliti kimia adalah kebutuhan untuk memprediksi sifat molekul, seperti titik mendidih atau leburnya. Setelah para peneliti dapat menentukan prediksi itu, mereka dapat bergerak maju dengan pekerjaan mereka menghasilkan penemuan yang mengarah pada obat -obatan, bahan, dan banyak lagi. Secara historis, bagaimanapun, metode tradisional untuk meluncurkan prediksi ini dikaitkan dengan biaya yang signifikan – menghabiskan waktu dan keausan pada peralatan, selain dana.
Masukkan cabang kecerdasan buatan yang dikenal sebagai Pembelajaran Mesin (ML). ML telah mengurangi beban prediksi properti molekul pada tingkat tertentu, tetapi alat -alat canggih yang paling efektif mempercepat proses – dengan belajar dari data yang ada untuk membuat prediksi cepat untuk molekul baru – mengharuskan pengguna memiliki tingkat keahlian pemrograman yang signifikan. Ini menciptakan penghalang aksesibilitas bagi banyak ahli kimia, yang mungkin tidak memiliki kemampuan komputasi yang signifikan yang diperlukan untuk menavigasi pipa prediksi.
Untuk mengurangi tantangan ini, para peneliti di McGuire Research Group di MIT telah menciptakan ChemXploreml, aplikasi desktop yang ramah pengguna yang membantu ahli kimia membuat prediksi kritis ini tanpa memerlukan keterampilan pemrograman lanjutan. Tersedia secara bebas, mudah diunduh, dan fungsional pada platform utama, aplikasi ini juga dibangun untuk beroperasi sepenuhnya offline, yang membantu menjaga data penelitian. Teknologi baru yang menarik diuraikan dalam sebuah artikel yang diterbitkan baru -baru ini di Jurnal Informasi dan Pemodelan Kimia.
Salah satu rintangan spesifik dalam pembelajaran mesin kimia adalah menerjemahkan struktur molekuler ke dalam bahasa numerik yang dapat dipahami komputer. ChemXploreml mengotomatiskan proses kompleks ini dengan “embedders molekul” yang kuat dan bawaan yang mengubah struktur kimia menjadi vektor numerik informatif. Selanjutnya, perangkat lunak ini mengimplementasikan algoritma canggih untuk mengidentifikasi pola dan secara akurat memprediksi sifat molekuler seperti titik mendidih dan meleleh, semua melalui antarmuka grafis interaktif yang intuitif.
“Tujuan ChemXploreml adalah untuk mendemokratisasi penggunaan pembelajaran mesin dalam ilmu kimia,” kata Aravindh Nivas Marimuthu, postdoc dalam kelompok McGuire dan penulis utama artikel tersebut. “Dengan membuat aplikasi desktop yang intuitif, kuat, dan berkemampuan offline, kami menempatkan pemodelan prediktif canggih langsung ke tangan ahli kimia, terlepas dari latar belakang pemrograman mereka. Pekerjaan ini tidak hanya mempercepat pencarian obat dan bahan baru dengan membuat proses penyaringan lebih cepat dan lebih murah, tetapi desain fleksibelnya juga opens untuk inovasi di masa depan.
ChemXploreml dirancang untuk berkembang dari waktu ke waktu, sehingga teknik dan algoritma di masa depan dikembangkan, mereka dapat diintegrasikan dengan mulus ke dalam aplikasi, memastikan bahwa para peneliti selalu dapat mengakses dan menerapkan metode yang paling terkini. Aplikasi ini diuji pada lima sifat molekul utama senyawa organik – titik leleh, titik didih, tekanan uap, suhu kritis, dan tekanan kritis – dan mencapai skor akurasi tinggi hingga 93 persen untuk suhu kritis. Para peneliti juga menunjukkan bahwa metode baru yang lebih kompak untuk mewakili molekul (VICGAE) hampir seakurat metode standar, seperti Mol2VEC, tetapi hingga 10 kali lebih cepat.
“Kami membayangkan masa depan di mana setiap peneliti dapat dengan mudah menyesuaikan dan menerapkan pembelajaran mesin untuk menyelesaikan tantangan unik, dari mengembangkan bahan berkelanjutan hingga mengeksplorasi kimia kompleks ruang antarbintang,” kata Marimuthu. Bergabung dengannya di atas kertas adalah penulis senior dan kelas 1943 Asisten Pengembangan Karir Profesor Kimia Brett McGuire.
