Kemisk syntese med kunstig intelligens:Forskere udvikler ny computermetode

I 1996 da en computer vandt en kamp mod den regerende verdensmester i skak, Garry Kasparov, det var intet mindre end en fornemmelse. Efter dette gennembrud i skakverdenen, brætspillet Go blev længe anset for at være en bastion forbeholdt menneskelige spillere på grund af dets kompleksitet. Men verdens bedste spillere kan ikke konkurrere med AlphaGo -softwaren. Opskriften på dette computerprograms succes er muliggjort gennem en kombination af den såkaldte Monte Carlo Tree Search og dybe neurale netværk baseret på maskinlæring og kunstig intelligens. Et team af forskere fra universitetet i Münster i Tyskland har nu påvist, at denne kombination er særdeles velegnet til at planlægge kemiske synteser – såkaldte retrosynteser – med hidtil uset effektivitet. Undersøgelsen er blevet offentliggjort i det aktuelle nummer af Natur .

Marwin Segler, hovedforfatteren af ​​undersøgelsen, siger, "Retrosyntese er den ultimative disciplin inden for organisk kemi. Kemikere har brug for årevis for at mestre det – ligesom med skak eller Go. Ud over ligefrem ekspertise, du har også brug for en god portion intuition og kreativitet til det. Indtil nu, alle antog, at computere ikke kunne følge med uden at eksperter programmerede i titusinder af regler i hånden. Det, vi har vist, er, at maskinen kan af sig selv, lær reglerne og deres anvendelser fra den tilgængelige litteratur."

Retrosyntese er standardmetoden til design af produktionen af ​​kemiske forbindelser. Går man mentalt tilbage, princippet er, at forbindelsen nedbrydes i stadig mindre komponenter, indtil grundkomponenterne er opnået. Denne analyse giver opskriften, som derefter bruges til at arbejde "fremad" i laboratoriet for at producere målmolekylet, ud fra udgangsmaterialerne. Selvom det i teorien er let, processen giver vanskeligheder i praksis. "Ligesom i skak, i hvert skridt eller bevægelse, du har mange muligheder at vælge imellem, "siger Segler." I kemi, imidlertid, der er størrelsesordener flere mulige træk end i skak, og problemet er meget mere komplekst."

Det er her den nye metode kommer i spil, forbinder de dybe neurale netværk med Monte Carlo Tree Search - en konstellation så lovende, at et stort antal forskere fra en række forskellige discipliner arbejder på det. Monte Carlo Tree Search er en metode til at vurdere træk i et spil. Ved hvert træk, computeren simulerer adskillige varianter, for eksempel, hvordan et skakspil kan ende. Det mest lovende træk er derefter valgt.

På lignende måde, computeren leder nu efter de bedst mulige "træk" til kemisk syntese. Det er også i stand til at lære ved hjælp af dybe neurale netværk. Til denne ende, computeren trækker på al den kemiske litteratur, der nogensinde er udgivet, som beskriver næsten 12 millioner kemiske reaktioner. Mike Preuss, en informationssystemspecialist og medforfatter af undersøgelsen, siger, "De dybe neurale netværk bruges til at forudsige, hvilke reaktioner der er mulige med et bestemt molekyle. Ved hjælp af Monte Carlo Tree Search, computeren kan teste, om de forudsagte reaktioner virkelig fører til målmolekylet. "

Ideen om at bruge computere til at planlægge synteser er ikke ny. "Ideen er faktisk omkring 60 år gammel." siger Segler. "Folk troede, at det ville være nok, som i tilfældet med skak, at indtaste et stort antal regler i computeren. Men det virkede ikke. Kemi er meget kompleks, og i modsætning til skak eller Go, det kan ikke forstås rent logisk ved hjælp af enkle regler. Hertil kommer, at antallet af udgivelser med nye reaktioner fordobles hvert 10. år eller deromkring. Det kan hverken kemikere eller programmører følge med. Vi har brug for hjælp fra en intelligent computer. "Den nye metode er omkring 30 gange hurtigere end konventionelle programmer til planlægning af synteser, og den finder potentielle synteseruter for dobbelt så mange molekyler.

I en dobbeltblind AB-test, Münster-forskerne fandt ud af, at kemikere anser disse computer-genererede synteseruter for at være lige så gode som eksisterende afprøvede. "Vi håber, at ved hjælp af vores metode, kemikere skal ikke prøve så meget i laboratoriet, "Segler tilføjer, "og som følge heraf og bruger færre ressourcer, de vil være i stand til at producere de forbindelser, der gør vores høje levestandard mulig."