Cuando los químicos diseñan nuevas reacciones químicas, una información útil implica el estado de transición de la reacción, el punto de no retorno del que debe proceder una reacción.
Esta información permite a los químicos tratar de producir las condiciones correctas que permitirán que ocurra la reacción deseada. Sin secuestro, los métodos actuales para predecir el estado de transición y la ruta que tomará una reacción química son complicados y requieren una gran cantidad de potencia computacional.
Los investigadores del MIT ahora han desarrollado un maniquí de estudios maquinal que puede hacer estas predicciones en menos de un segundo, con incorporación precisión. Su maniquí podría proporcionar que los químicos diseñen reacciones químicas que podrían difundir una variedad de compuestos bártulos, como productos farmacéuticos o combustibles.
«Nos gustaría poder diseñar procesos para tomar abundantes bienes naturales y convertirlos en moléculas que necesitamos, como materiales y medicamentos terapéuticos.
Ex colegial investido del MIT Chenru Duan PhD ’22, quien ahora está en Deep Principle; ex colegial investido de Georgia Tech Guan-Horng Liu, quien ahora está en Meta; y el estudiante investido de la Universidad de Cornell, Yuanqi du, son los autores principales del diario, que aparece hoy en Inteligencia de la máquina de la naturaleza.
Mejores estimaciones
Para que ocurra cualquier reacción química dada, debe acontecer por un estado de transición, que tiene oficio cuando alcanza el origen de energía necesario para que la reacción continúe. Estos estados de transición son tan fugaces que son casi imposibles de observar experimentalmente.
Como alternativa, los investigadores pueden calcular las estructuras de los estados de transición utilizando técnicas basadas en la química cuántica. Sin secuestro, ese proceso requiere una gran cantidad de potencia informática y puede tomar horas o días para calcular un solo estado de transición.
«Idealmente, nos gustaría poder usar la química computacional para diseñar procesos más sostenibles, pero este cálculo en sí mismo es un gran uso de energía y bienes para encontrar estos estados de transición», dice Kulik.
En 2023, Kulik, Duan y otros reportado En una logística de estudios maquinal que desarrollaron para predecir los estados de transición de las reacciones. Esta logística es más rápida que usar técnicas de química cuántica, pero aún más lenta de lo que sería ideal porque requiere que el maniquí genere rodeando de 40 estructuras, luego ejecute esas predicciones a través de un «maniquí de confianza» para predecir qué estados tenían más probabilidades de ocurrir.
Una razón por la cual ese maniquí debe ejecutarse tantas veces es que usa conjeturas generadas aleatoriamente para el punto de partida de la estructura del estado de transición, luego realiza docenas de cálculos hasta que alcanza su última, mejor suposición. Estos puntos de partida generados al azar pueden estar muy allí del estado de transición efectivo, por lo que se necesitan tantos pasos.
El nuevo maniquí de los investigadores, React-ot, descrito en el Inteligencia de la máquina de la naturaleza Documento, utiliza una logística diferente. En este trabajo, los investigadores capacitaron a su maniquí para comenzar desde una estimación del estado de transición generado por la interpolación directo, una técnica que estima la posición de cada átomo al moverlo a fracción de camino entre su posición en los reactivos y en los productos, en un espacio tridimensional.
«Una suposición directo es un buen punto de partida para aproximar dónde terminará ese estado de transición», dice Kulik. «Lo que el maniquí está haciendo es comenzar desde una suposición original mucho mejor que una suposición completamente aleatoria, como en el trabajo inicial».
Adecuado a esto, toma el maniquí menos pasos y menos tiempo para difundir una predicción. En el nuevo estudio, los investigadores mostraron que su maniquí podría hacer predicciones con solo unos cinco pasos, tomando aproximadamente 0.4 segundos. Estas predicciones no necesitan ser alimentadas a través de un maniquí de confianza, y son aproximadamente un 25 por ciento más precisas que las predicciones generadas por el maniquí inicial.
«Eso positivamente hace de React-ot un maniquí práctico que podemos integrar directamente con el flujo de trabajo computacional existente en la detección de detención rendimiento para difundir estructuras óptimas de estado de transición», dice Duan.
«Una amplia variedad de química»
Para crear React-OT, los investigadores lo capacitaron en el mismo conjunto de datos que usaron para capacitar a su maniquí inicial. Estos datos contienen estructuras de reactivos, productos y estados de transición, calculados utilizando métodos de química cuántica, para 9,000 reacciones químicas diferentes, principalmente que involucran pequeñas moléculas orgánicas o inorgánicas.
Una vez entrenado, el maniquí se desempeñó correctamente en otras reacciones de este conjunto, que se habían mantenido fuera de los datos de entrenamiento. Asimismo funcionó correctamente en otros tipos de reacciones en las que no había sido entrenado, y podría hacer predicciones precisas que involucran reacciones con reactivos más grandes, que a menudo tienen cadenas laterales que no están directamente involucradas en la reacción.
«Esto es importante porque hay muchas reacciones de polimerización en las que tienes una macromolécula ancho, pero la reacción está ocurriendo en una sola parte. Tener un maniquí que se generaliza a través de diferentes tamaños del sistema significa que puede tocar una amplia variedad de química», dice Kulik.
Los investigadores ahora están trabajando en el entrenamiento del maniquí para que pueda predecir los estados de transición para las reacciones entre las moléculas que incluyen rudimentos adicionales, incluyendo azufre, fósforo, cloro, silicio y litio.
«Predecir rápidamente las estructuras del estado de transición es esencia para toda la comprensión química», dice Markus Reiher, profesor de química teórica en ETH Zurich, que no participó en el estudio. «El nuevo enfoque presentado en el documento podría acelerar en gran medida nuestros procesos de búsqueda y optimización, lo que nos lleva más rápido a nuestro resultado final. Como consecuencia, incluso se consumirá menos energía en estas campañas informáticas de detención rendimiento. Cualquier progreso que acelera esta optimización beneficie a todo tipo de investigaciones químicas computacionales».
El equipo del MIT demora que otros científicos hagan uso de su enfoque en el diseño de sus propias reacciones y hayan creado un aplicación para ese propósito.
«Siempre que tenga un reactivo y un producto, puede colocarlos en el maniquí y generará el estado de transición, a partir del cual puede estimar la barrera energética de su reacción prevista y ver qué probable es que ocurra», dice Duan.
La investigación fue financiada por la Oficina de Investigación del Ejército de EE. UU., La Oficina de Investigación Básica del Unidad de Defensa de los Estados Unidos, la Oficina de Investigación Científica de la Fuerza Aérea de los Estados Unidos, la Fundación Franquista de Ciencias y la Oficina de Investigación Naval de los Estados Unidos.