빌딩 블록의 거대한 데이터베이스는 AI가 새로운 유기 촉매를 발견하는 데 도움이 됩니다 | 검색

연구원들은 실험적으로 파생된 4,000개의 유기 촉매에 대한 공개 데이터베이스를 만들었습니다. 데이터베이스에는 또한 실험적으로 파생된 항목을 기반으로 하는 수천 개의 어셈블리가 풍부한 분자 단편 및 구조가 포함되어 있습니다. 이것은 “화학적 다양성이 뛰어난 유기 촉매 공간의 집중적인 매핑을 향한 첫 번째 단계”라고 데이터베이스의 공동 저자는 말합니다. 클레멘스 코르멘포프 스위스연방공과대학(EPFL)에서 연구자들은 기계 학습 모델을 훈련하고 새로운 촉매의 피드백 특성을 예측하기 위해 Oscar로 알려진 촉매 저장소 데이터베이스의 유기적 구조를 사용할 수 있을 것입니다. EPFL 팀원 Simone Gallarati. 팀은 또한 데이터베이스가 유기 화학자들이 새로운 촉매를 설계하는 발판 역할을 하길 희망합니다.

아카데미 시상식을 조직하는 동안 Corminboeuf Group은 수천 개의 새로운 화합물을 생성하기 위해 구조를 조립, 분할 및 재조립하는 일반적인 전략을 개발했습니다. 이 단편 기반 접근법은 기존 촉매의 다양한 형태를 다양한 리간드와 결합하여 이전에 실험적으로 연구되지 않았을 수 있는 광범위한 구조를 구성합니다. 로버트 패튼미국 콜로라도 주립대학교 출신이며 컴퓨터 지원 합성 센터그는 “아직 실제로 만들어지지 않은 구조를 예측하거나 스캔할 수 있다는 것은 매우 흥미로울 것”이라고 말했습니다.

최근 몇 년 동안 개방형 과학 및 데이터 공유를 향한 움직임이 있었습니다. 일부 연구자들은 스쿠핑되는 것을 두려워하지만, 대부분은 이전 및 새 데이터, 교차 검증 및 투명성을 기반으로 한 통찰력을 포함하여 이점을 확인합니다.. 광범위한 전용 데이터베이스 생성은 동기 부여를 위한 데이터 기반 도구 개발 그리고 다른 화학 분야. 따라서 촉매 화학 전반에 걸쳐 데이터 공유를 개선하기 위한 노력의 일환으로 오스카 큐레이터는 촉매의 구조와 특성을 Materials Cloud에서 공개적으로 사용 가능. Patton은 “고품질 데이터에 대한 액세스로 전체 분야가 가속화될 것이며 이것이 이 팀이 한 일이라고 생각합니다.”라고 말합니다.

오스카가 이제 유기 촉매의 빌딩 블록에 접근할 수 있게 되면서, Kormenpov는 바람직한 목표 특성을 가진 새로운 분자를 발견하기 위해 분자 생성 모델, 특히 유전 알고리즘과 함께 사용할 계획이라고 말했습니다. “이러한 진화 실험을 통해 우리는 더 좋고 더 효율적인 유기 촉매를 생성하는 최상의 조각 조합을 찾을 수 있습니다.”라고 그녀는 덧붙입니다.

EPFL 팀은 데이터베이스가 유기 합성에서 데이터 기반 반응 최적화 방법을 확립하는 데 도움이 될 뿐만 아니라 이를 조화시키는 데 사용되는 일반적인 전략이 이전에 사용할 수 없었던 데이터베이스를 구축하는 데 도움이 될 것이라고 제안합니다.