Ekipa razvija novo generacijo umetnih nevronskih mrež, ki lahko napovedujejo lastnosti organskih spojin

The Choice is Ours (2016) Official Full Version (Junij 2019).

Anonim

Znanstveniki iz Rusije, Estonije in Združenega kraljestva so ustvarili novo metodo za napovedovanje faktorja biokoncentracije (BCF) organskih molekul. Uporaba klasičnih modelov fizikalno-kemijskih interakcij med topilom in metodami topnega in naprednega strojnega učenja omogoča nov pristop, ki predvideva zapletene lastnosti snovi na podlagi minimalnega nabora vhodnih podatkov. Rezultati študije so bili objavljeni v Journal of Physics: Condensed Matter.

Ena od najpomembnejših značilnosti organskih snovi je BCF, koliko snovi koncentrira v tkivu glede na to, koliko te snovi obstaja v okolju v ravnovesnih pogojih. BCF se pogosto uporablja pri ocenjevanju varnosti različnih kemijskih spojin in se lahko meri v praksi. Na primer, lahko v posodo za ribe postavite preskusno snov, počakajte, dokler se ne doseže ravnotežje, nato pa izmerite njegovo koncentracijo tako v ribah kot tudi v vodi. Toda kaj, če želite oceniti BCF na podlagi izračuna samo?

Eden od načinov za to je ustvariti niz parametrov molekule (deskriptorjev) in zgraditi matematični model, ki temelji na teh vhodih. Model se lahko izkaže za zelo natančen, vendar ga je zaradi številnih parametrov težko razlagati. In še huje, model morda ne deluje pravilno za spojine, ki se močno razlikujejo od tistih v sklopu usposabljanja.

Druga metoda temelji na molekularni teoriji tekočin, ki opisuje vedenje snovi v raztopinah. Vendar je biokoncentracija kompleksen parameter, ki je odvisen od številnih dejavnikov, zato ga težko napovedati z uporabo fizikalno-kemijske teorije.

Znanstveniki iz Skoltecha, Univerze v Tartuju (Estonija) in Univerze v Strathclydeu (Velika Britanija), ki ga je vodil profesor Skoltecha Maxim Fedorov, so razvili hibridno metodo napovedovanja BCF, ki je sestavljena iz dveh korakov: najprej raziskovalci izdelajo fizikalno-kemične izračune, da dobijo 3 -D gostote vodika in kisika okrog molekule, ki se preučuje, in nato uporabite 3-D konvertacijske nevronske mreže - tehnologijo, ki se uspešno uporablja pri prepoznavanju slike. Ta pristop kaže, da so kompleksne lastnosti organskih snovi lahko opisane tudi z majhno količino vhodnih podatkov.

"Naša metoda bo olajšala napovedovanje vpliva določenih snovi na okolje. Najpomembnejše pa je, da smo razvili univerzalno metodo opisovanja molekule tako, da se njegova 3-D slika prenese na Tridimenzionalna konvergentna nevronska mreža. Na dolgi rok bo naša metoda pripomogla k napovedovanju lastnosti različnih "eksotičnih" molekul in novih spojin, kjer obstoječe metode odnosa med strukturo in lastnostjo ne delujejo, "pravi prvi avtor in dr. Skoltech. študent Sergey Sosnin.

menu
menu