Yapay zekâ ve kimya robotu işe yarayacak tepkimelerin hepsini buluyor

Yapay zekâ ve kimya robotu işe yarayacak tepkimelerin hepsini buluyor

Kimya bir tür uygulamalı fizik olup elektronların ve orbitallerinin hangi tepkimenin olacağı ve hangi ürünün kararlı kalacağı konusundaki kurallara ilişkin davranışlarını içermektedir. Çok kabaca, bu kuralların temelleri oldukça basit olup tecrübeli kimyacılar bunları zihinlerinde tutabilir ve istedikleri başlangıç maddesinin oluşacağı şekilde parçaları zihinlerinde birleştirebilir. Ne yazık ki kimya alanında bazı kısımlar var ve bunlar hakkında çok deneyime sahip değiliz, ve tahminlerle tepkime kabı buluştuğunda garip şeyler oluveriyor. İşte bu yüzden bazı kritik ilaçların hâlâ biyolojik kaynaklardan saflaştırılması gerekiyor.

Tahminlerden daha kesin sonuç almak mümkündür, ancak bu genellikle bir küme üzerinde tam kuantum seviyesinde hesaplama yapılmasını gerektirir, ve bunlar bile, çözücü seçimi ve tepkime sıcaklığı ya da küçük safsızlıklar gibi şeylerin ortaya çıkması hâlinde tam doğru sonuç vermez.

Ancak, yapay zekâ ile yürütülen geliştirmeler kimyada birkaç etkileyici sunuma yol açmıştır. Bunun neden olduğunu görmek mümkün; yapay zekâ kendi kurallarını anlayabilir, ve kimya eğitimi ile geleneksel olarak verilen bilgisel sınırlamalara ihtiyaç duymaz. Glasgow Üniversitesi’nde çalışan bir grup, kimyasal tepkimeyi yürütebilecek ve analiz edebilecek bir robotla çalışan makine-öğrenme sistemini birleştirmiştir. Ortaya çıkan sonuç, verilen başlangıç maddelerinden olası bütün tepkimeleri tahmin edebilecek bir sistem oldu.

Çeker ocakta bir kimyacı

Lee Cronin, çalışmayı organize eden araştırmacı olarak aşağıdaki görseli gönderdi. Bu kurulum çalışmasında bizim robot olarak tanımladığımız hiçbir şey mevcut değil (araştırmacılar buna ‘ısmarlama’ diyor). Parçaların çoğunluğu bir çeker ocak içinde bulunuyor, böylece sistemden bir şekilde kaçabilecek her tür bileşiğin güvenli bir şekilde ortamdan uzaklaşması sağlanıyor. Sağ üstte görünen kaplar başlangıç maddelerini ve pompaları içeriyor, bunlar altı tepkime kabından birine maddeleri gönderiyor ve paralel olarak çalışabiliyor.

Bu tepkimelerin sonuçları analize gönderilebiliyor. Pompalar, örnekleri IR spektrometresine, kütle spektrometresine ve küçük bir NMR makinesine gönderebiliyor, bu son bahsedilen makine çeker ocağa sığmayacak kadar büyük. Bunlar hep beraber bir tepkimenin “parmak izini” oluşturacak verileri sunuyor .Bunların başlangıç maddelerine ait parmak izleriyle karşılaştırılması sonucu tepkimenin gerçekleşip gerçekleşmediğini düşünmek ve ürünler hakkında bazı şeyler öngörmek mümkün oluyor.

Bunların hepsi bir kimyagerin ellerinin yerine geçebilir, ancak potansiyel tepkimeleri değerlendirecek beynin yerine geçemez. İşte burada makine öğrenme algoritması devreye giriyor. Sistem, ürünleri bilinen 72 tepkimeyle başlıyor ve ileri tepkimelerin ürünleri konusunda tahminler yürütüyor. Buradan, mevcut seçenek listesine göre rasgele olarak bir tepkime seçiyor ve bunların ürün verip vermeyeceğini buluyor. Algoritma toplam olası tepkimelerin %10’unu işlediği zaman, %80’den daha fazla kesinlik ile, test edilmemiş tepkimelerin durumu hakkında fikir yürütebiliyor.

Bunun dışında, test edilen ilk tepkimeler rasgele olarak seçildiği için hangi tepkimenin çalışacağı veya çalışmayacağı konusunda insanın beklentilerini etkilemiyor.

Bir model oluştuğunda, sistem hangi olası tepkimelerin ürünleri vereceğini değerlendirecek şekilde ayarlanıyor ve bunların testlerini ön plâna alıyor .Sistem bir seri tepkimeyi deneyene kadar çalışmaya devam edebilir, bir seri tepkimeden ürün elde edilmediğinde durabilir, veya bütün tepkimeleri deneyene kadar çalışabilir.

Sinir ağı

Bu başarı derecesinden bağımsız olarak, araştırma ekibi iki hidrokarbon zincirini birleştiren bir sınıf tepkime üzerinde araştırma literatüründen verileri sağlayan bir sinir ağı oluşturdu. Yaklaşık 3500 tepkime üzerinde çalıştıktan sonra, sistemin yalnızca %11’lik hata ile, literatürdeki 1700 tepkime hakkında ürün bilgisini elde ettiği görülüyor.

Bu sistem mevcut test kurulumu ile birleştirildi ve literatürde bildirilmemiş tepkimeleri tahmin etmek üzere çalıştırıldı. Böylece sistem hangi tepkimenin ürün oluşturup oluşturmayacağını öngörmekle kalmadı, ayrıca tepkimeden ne kadar ürün oluşacağı da tahmin edilmiş oldu.

Bütün bunlar kendi başına oldukça etkileyici. Yazarlara göre, “tepkimelerin yalnızca %10’luk kısmını inceleyerek, tepkime yürütmeksizin geri kalan %90’lık kısmın çıktılarını tahmin edebiliyoruz”. Ancak sistem birkaç sürprizi de yakalayabildi – bu durumlar tepkime karışımının parmak izinin başlangıç maddelerine ait basit bir birleşimden fazlası olduğunu gösteriyor. Bu tepkimeler insan kimyacılar ile daha ileri aşamada incelendi, onlar sayesinde halka kopması ve halka oluşumu tepkimeleri tanımlandı.

Bu son konu, gelecekteki kimya laboratuarlarına bu tür bir yeteneğin nasıl gireceğine ilişkin uzun bir yol sunuyor. İnsanlar genellikle robotların insanların yerine geleceğini düşünür. Ancak bu durumda robotlar ağır ve sıkıcı işleri insanların elinden alıyor gibi görünüyor. Aklı başında olan hiçbir insan reaktiflerin bütün kombinasyonunu denemeyi düşünmez ve insanlar tehlikeli kafein seviyelerine girmeden günün 24 saati test yapamaz. Robotlar, çok eğitimli öngörülerin bize bazı tepkimelerin denenmesi yolundan çıktığımızı bildirdiği nadir durumları tanımlamada iyi iş yapacaktır.

Ancak şimdilik, insanlar bu bilgiyi faydalı kimyasal bilgilere dönüştürmek konusunda gerekliler, yeni veya etkili tepkimeler ortaya koymanın daha önce etkisiz bir süreci veya daha kolay çalışılacak bir ürünü oluşturabileceğini bilirler.

Yapay zekânın buna yardımcı olacağı gün gelecektir, ancak henüz bu durumda değiliz.

Bu çalışma Nature dergisinde yayınlanmıştır.

Nature, 2018. DOI: 10.1038/s41586-018-0307-8

Kaynak: https://arstechnica.com/science/2018/07/ai-plus-a-chemistry-robot-finds-all-the-reactions-that-will-work/

+ Yorum bulunmuyor

Yorum yap