p A vida cotidiana sem inteligência artificial é dificilmente concebível no mundo de hoje. Inúmeras aplicações em áreas como direção autônoma, tradução de línguas estrangeiras ou diagnósticos médicos encontraram seu caminho em nossas vidas. Na pesquisa química, também, grandes esforços estão sendo feitos para aplicar inteligência artificial (IA), também conhecido como aprendizado de máquina, efetivamente. Essas tecnologias já foram usadas para prever as propriedades de moléculas individuais, facilitando a seleção do composto a ser produzido pelos pesquisadores. p Esta produção, conhecido como síntese, geralmente envolve um esforço considerável, pois há muitas rotas de síntese possíveis para a produção de uma molécula alvo. Uma vez que o sucesso de cada reação individual depende de vários parâmetros, nem sempre é possível, mesmo para químicos experientes, para prever se uma reação ocorrerá - e menos ainda como funcionará bem. Para remediar esta situação, uma equipe de químicos e cientistas da computação da Universidade de Münster (Alemanha) uniu forças e desenvolveu uma ferramenta de IA que agora foi publicada na revista Chem .

p Antecedentes e método:

p "Uma reação química é um sistema altamente complexo, "explica Frederik Sandfort, Ph.D. estudante do Institute of Organic Chemistry e um dos principais autores da publicação. "Em contraste com a previsão das propriedades de compostos individuais, uma reação é a interação de muitas moléculas e, portanto, um problema multidimensional, "acrescenta. Além disso, não existem "regras do jogo" claramente definidas que, como no caso dos computadores de xadrez modernos, simplificar o desenvolvimento de modelos de IA. Por esta razão, As abordagens anteriores para prever com precisão os resultados da reação, como rendimentos ou produtos, baseiam-se principalmente em uma compreensão previamente adquirida das propriedades moleculares. “O desenvolvimento de tais modelos envolve um grande esforço. Além disso, a maioria deles é altamente especializada e não pode ser transferida para outros problemas, "Frederik Sandfort acrescenta.

p O foco do trabalho apresentado foi, portanto, em uma aplicabilidade geral do programa, para que outros químicos possam usá-lo facilmente em seu próprio trabalho. Para garantir isso, o modelo é baseado diretamente em estruturas moleculares. "Cada composto orgânico pode ser representado como um gráfico, em princípio como uma imagem, "explica Marius Kühnemund, outro autor, do campo da ciência da computação. "Em tais gráficos, consultas estruturais simples - comparáveis ​​à questão de cores ou formas em uma foto - podem ser feitas a fim de capturar o chamado ambiente químico com a maior precisão possível. "

p A combinação de muitas dessas consultas sucessivas resulta em uma chamada impressão digital molecular. Essas sequências numéricas simples têm sido usadas há muito tempo em quimioinformática para encontrar semelhanças estruturais e são adequadas para aplicações auxiliadas por computador. Em sua abordagem, os autores usam um grande número de tais impressões digitais para representar a estrutura química de cada molécula com a maior precisão possível. "Desta maneira, fomos capazes de desenvolver um sistema robusto que pode ser usado para prever resultados de reação completamente diferentes, "acrescenta Marius Kühnemund, "O mesmo modelo pode ser usado para prever rendimentos e estereosseletividades, que é único. "

p Os autores demonstraram que seu programa pode ser aplicado facilmente e permite previsões precisas, especialmente em combinação com a robótica moderna, usando um conjunto de dados que não foi criado originalmente para aprendizado de máquina. "Este conjunto de dados contém apenas vendas relativas dos materiais de partida e nenhum rendimento exato, "Frederik Sandfort explica." Para rendimentos exatos, calibrações devem ser criadas. Contudo, devido ao alto esforço envolvido, isso raramente é feito na realidade. "

p A equipe continuará a desenvolver seu programa e a equipá-lo com novas funções no futuro. O Prof. Frank Glorius está confiante:"Quando se trata de avaliar grandes quantidades de dados complexos, os computadores são fundamentalmente superiores a nós. Contudo, nosso objetivo não é substituir químicos sintéticos por máquinas, mas para apoiá-los da forma mais eficaz possível. Modelos baseados em inteligência artificial podem mudar significativamente a maneira como abordamos as sínteses químicas. Mas ainda estamos no começo. "