(Phys.org) - Ett team av forskare med IBM har tillämpat artificiell intelligens för att förutsäga organiska kemiska reaktioner. I deras papper laddas upp till preprint-servern arXiv , gruppen beskriver sitt tillvägagångssätt, som de beskriver som en förbättring jämfört med andra modeller.

Att förutsäga vad som kommer att hända när kemikalier blandas eller behandlas på vissa sätt är svårt på grund av alla inblandade variabler. Men forskare skulle vilja ha ett verktyg som gör det ändå, eftersom det dramatiskt skulle påskynda utvecklingen av användbara nya material, speciellt droger. I denna nya ansträngning, teamet på IBM har tagit en helt ny strategi för att skapa ett sådant verktyg.

Det nya tillvägagångssättet innebär att kemiska reaktioner behandlas som ett översättningsproblem genom att omformulera element i sådana förutsägelser som bokstäver och ord snarare än atomer och molekyler. Det ändrar problemet från att förutsäga hur kemikalier kommer att reagera på att översätta ord från en form till en annan - ett problem som till största delen har lösts av AI-system.

Genom att använda ett sådant tillvägagångssätt, gruppen kunde mata in kemiska komponenter i ett neuralt nätverk tränat på en datauppsättning av 395, 496 reaktioner. Det neurala nätverket använde sedan vad det hade lärt sig om tidigare reaktioner för att göra förutsägelser om vad som skulle hända under nya förhållanden. I praktiken, systemet svarade på sådana förfrågningar genom att erbjuda en topp-fem-lista över möjliga resultat. Tester visade att den högsta förutsägelsen visade sig vara korrekt 80 procent av tiden, även om laget hittills bara har tränat det på molekyler med 150 atomer eller mindre. De planerar att fortsätta arbeta med systemet och har ett aktuellt mål att förbättra dess noggrannhet till 90 procent. De har också planer på att modifiera det så att parametrar som värme, pH -nivåer och lösningsmedel kan inkluderas. De föreställer sig till och med en dags värdtävlingar mellan deras system och mänskliga kemister för att visa hur bra det fungerar.

Gruppen noterar att utvecklingen av ett sådant system inte är tänkt att fungera som en ersättning för kemister, men istället för att fungera som ett verktyg för dem, att utveckla produkter snabbare eller billigare. De planerar att lägga systemet på en molnserver så att alla som vill använda det kan göra det.

Teamet presenterade sitt arbete på veckans konferens för Neural Information Processing Systems.

© 2017 Phys.org