ახალი მედიკამენტების, აგროქიმიკატებისა თუ კოსმეტიკური საშუალებების შექმნა ქიმიკოსებისთვის ხშირად დამღლელი პროცესია. მათ უამრავი ქიმიური რეაქციის ანალიზი უწევთ, რათა დაადგინონ, შესაძლებელია თუ არა სასურველი ნაერთის სინთეზირება.
იეილის უნივერსიტეტის (Yale University) მეცნიერებმა ხელოვნური ინტელექტის სისტემა MOSAIC შექმნეს, რომელიც ამ პროცესს აჩქარებს.
ჟურნალ Nature-ში გამოქვეყნებული კვლევის მიხედვით, სისტემამ 35 პოტენციურად სასარგებლო ნაერთის სინთეზირებისთვის საჭირო ფაქტორების ზუსტად შერჩევა უკვე შეძლო. მცირე მოლეკულების სინთეზი წამლების აღმოჩენის პროცესში ყველაზე ნელი ეტაპია, MOSAIC კი ამ ბარიერის დაძლევას ახერხებს.
ქიმიაში AI-ს გამოყენების ერთ-ერთი პოპულარული მეთოდი SMILES სისტემაა, რომელიც ქიმიურ 3D სტრუქტურებს ასოებად, ციფრებად და პუნქტუაციის ნიშნებად გარდაქმნის. MOSAIC-ის მიზანი კი უფრო ამბიციურია: შეისწავლოს ქიმიური ნაერთები ზუსტად ისე, როგორც ამას თავად ქიმიკოსები აკეთებენ.
მეცნიერებმა დაახლოებით ერთი მილიონი ქიმიური რეაქციის მონაცემთა ბაზა გამოიყენეს და Meta-ს Llama მოდელზე დაყრდნობით 2,498 ცალკეული მოდელი შექმნეს. თითოეული მათგანი კონკრეტული ტიპის მოლეკულაზე სპეციალიზდება.
MOSAIC-ის მუშაობის პრინციპი 2500-მდე ვიწრო სპეციალისტისგან შემდგარ გუნდს მოგვაგონებს, სადაც თითოეულმა მხოლოდ ერთი კონკრეტული ქიმიური რეაქცია სრულყოფილად იცის.
სწორედ ამიტომ, სისტემა ბევრად უფრო ზუსტია. ის არ ცდება ზოგად ინფორმაციაში და ქიმიკოსებს აწვდის იმ დონის დეტალურ მონაცემებს, რომ მათი გამოყენება ლაბორატორიაში პირდაპირ, ყოველგვარი დამატებითი კვლევის გარეშეა შესაძლებელი. გარდა ამისა, რადგან ეს მოდელები მოცულობით პატარაა, მათ სამუშაოდ ძლიერი სერვერები არ სჭირდებათ და ჩვეულებრივ კომპიუტერებზეც თავისუფლად მუშაობენ.
წყარო: Nature
