Deux catalyseurs fonctionnant en tandem permettent à des sels de formiate peu coûteux de réaliser des réactions dearomatives difficiles, donnant des produits potentiellement utiles pour le développement de médicaments. Des chercheurs de l'Institute for Chemical Reaction Design and Discovery ... en savoir plus
Des robots et l'IA s'associent pour découvrir des catalyseurs hautement sélectifs
Prévoir avec précision - sans avoir recours aux calculs de chimie quantique.
Les chercheurs ont utilisé un robot de synthèse chimique et un modèle d'intelligence artificielle rentable sur le plan informatique pour prédire et valider avec succès des catalyseurs hautement sélectifs.
L'intelligence artificielle (IA) a récemment fait la une des journaux avec l'arrivée des capacités de traitement du langage de ChatGPT. La création d'un outil aussi puissant pour la conception de réactions chimiques reste un défi important, en particulier pour les réactions catalytiques complexes. Pour aider à relever ce défi, des chercheurs de l'Institute for Chemical Reaction Design and Discovery et du Max Planck Institut für Kohlenforschung ont démontré une méthode d'apprentissage automatique qui utilise des descripteurs chimiques 2D avancés mais efficaces pour prédire avec précision les catalyseurs asymétriques hautement sélectifs, sans avoir recours aux calculs de chimie quantique.
"Il existe plusieurs technologies avancées qui permettent de "prédire" les structures des catalyseurs, mais ces méthodes nécessitent souvent d'importants investissements en ressources et en temps de calcul, et leur précision reste limitée", explique Nobuya Tsuji, coauteur. "Dans le cadre de ce projet, nous avons mis au point un modèle prédictif qui peut être exécuté même avec un ordinateur portable de tous les jours."
Pour qu'un ordinateur puisse apprendre des informations chimiques, les molécules sont généralement représentées comme une collection de descripteurs, qui consistent souvent en de petites parties, ou fragments, de ces molécules. Ceux-ci sont plus faciles à traiter par l'IA et peuvent être arrangés et réarrangés pour construire différentes molécules, tout comme les pièces de Lego peuvent être arrangées et connectées de différentes manières pour construire différentes structures.
Cependant, les descripteurs 2D, moins coûteux en termes de calcul, ont du mal à représenter avec précision les structures complexes des catalyseurs, ce qui conduit à des prédictions inexactes. Pour remédier à ce problème, les chercheurs ont mis au point de nouveaux descripteurs 2D de type Circular Substructure(CircuS) qui représentent explicitement les structures d'hydrocarbures cycliques et ramifiées, qui sont courantes en catalyse. Les données d'apprentissage de l'I.A. ont été obtenues par des expériences via un processus rationalisé et semi-automatique utilisant un robot de synthèse. Ces données expérimentales ont ensuite été converties en descripteurs et utilisées pour entraîner le modèle d'intelligence artificielle.
Les chercheurs ont utilisé le modèle entièrement entraîné pour tester virtuellement 190 catalyseurs ne faisant pas partie des données d'entraînement. Dans cet ensemble, le modèle d'IA a pu prédire des catalyseurs hautement sélectifs après avoir été entraîné uniquement sur les données de catalyseurs à sélectivité modérée, ce qui démontre une capacité d'extrapolation au-delà des données d'entraînement. Le catalyseur prédit comme ayant la plus grande sélectivité a ensuite été testé expérimentalement et a montré une sélectivité presque identique à celle prédite par le modèle d'IA. L'obtention d'une sélectivité élevée est particulièrement cruciale pour la conception de nouveaux médicaments, et cette technique fournit aux chimistes un cadre puissant pour l'optimisation de la sélectivité, qui est efficace en termes de coûts de calcul et de main-d'œuvre.
"Souvent, pour prédire de nouveaux catalyseurs sélectifs, les chimistes utilisent des modèles basés sur des calculs de chimie quantique. Cependant, ces modèles sont coûteux en calcul, et lorsque le nombre de composés et la taille des molécules augmentent, leur application devient limitée", a commenté le co-premier auteur Pavel Sidorov. "Les modèles basés sur les structures 2D sont beaucoup moins coûteux et peuvent donc traiter des centaines et des milliers de molécules en quelques secondes. Cela permet aux chimistes de filtrer beaucoup plus rapidement les composés qui ne les intéressent pas."
- synthèse chimique
- synthèse
- intelligence artificielle
- catalyseurs
- modèles de prédiction
-
Actualités
Les tissus et la chimie du calmar s'associent pour créer des hydrogels polyvalents
Des chercheurs de l'université d'Hokkaido, au Japon, ont combiné des tissus naturels de calmar avec des polymères synthétiques pour mettre au point un hydrogel solide et polyvalent qui imite bon nombre des propriétés uniques des tissus biologiques. Les hydrogels sont des réseaux de polymère ... en savoir plus
Prédiction automatisée de réactions chimiques : Maintenant en stéréo
Des chercheurs de l'Institute for Chemical Reaction Design and Discovery (WPI-ICReDD) ont démontré l'utilisation élargie d'une méthode de calcul appelée méthode AFIR (Artificial Force Induced Reaction), prédisant des réactions péricycliques avec une stéréosélectivité précise sur la seule ba ... en savoir plus
-
Actualités
Comment voulons-nous chauffer nos maisons à l'avenir ?
La question du chauffage devient de plus en plus importante à une époque où les ressources se raréfient et où le réchauffement climatique se fait sentir. Les systèmes de chauffage au mazout ont-ils encore de l'avenir ? Et si oui, peuvent-ils fonctionner avec des combustibles efficaces et du ... en savoir plus
Nouvelle méthode de synthèse du menthol
Le menthol et les cannabinoïdes sont importants pour l'industrie chimique. Une équipe dirigée par le professeur Benjamin List a trouvé un nouveau moyen de synthétiser ces deux substances, de manière moins onéreuse et plus efficace qu'auparavant. Notre dentifrice en contient, on en trouve da ... en savoir plus
Nouvelle méthodologie pour les produits anti-Markovnikow
Vladimir Vassilievitch Markovnikov était un chimiste russe du XIXe siècle qui a travaillé notamment dans les universités de Saint-Pétersbourg, d'Odessa et de Moscou. La règle dite de Markovnikov, déjà bien connue des jeunes étudiants en chimie, porte son nom. Cette règle dit que lorsque des ... en savoir plus
- 1En route vers de meilleures batteries à semi-conducteurs
- 2Le graphène comme "pierre philosophale" : transformer les déchets en or
- 3Une enzyme nouvellement découverte décompose le plastique PET en un temps record
- 4Matériaux de stockage de l'hydrogène à partir de déchets industriels
- 5Un procédé simple permet d'extraire un précieux sel de magnésium de l'eau de mer
- 6Transformer les déchets plastiques en un précieux additif pour le sol
- 7Alimenter les navires en hydrogène à partir de méthanol
- 8Un catalyseur en fer pourrait rendre d'importantes réactions chimiques moins coûteuses et plus écologiques
- 9La salive du fausse teigne de la cire contient des enzymes capables de dégrader le plastique.
- 10Un catalyseur durable et peu coûteux réduit l'empreinte carbone de la production d'ammoniac
- Des microbes alimentés par l'électricité
- La prochaine génération de capteurs d'énergie solaire pourrait être des roches
- Les crevettes de Finding Nemo pourraient vous aider à conserver votre pain blanc
- Isolation durable et abordable des bâtiments grâce aux aérogels
- Les désherbants du futur pourraient bientôt être basés sur des antibiotiques ...
- Une technique avancée de rayons X dévoile les voies de réaction chimique rapide entre le solide et le gaz
- Des scientifiques enfilent des rangées d'atomes métalliques dans des faisceaux de nanofibres
- Accélérer la capacité de charge extrêmement rapide des batteries lithium-ion
- Les dispositifs nanofluidiques offrent des solutions pour étudier les réactions chimiques à l'échelle de la molécule unique
- Cette réaction chimique d'un atome pourrait transformer la découverte de médicaments