Förutsägelsen av molekylära reaktioner som utlöses av ljus är hittills extremt tidskrävande och därför kostsamma. Ett team under ledning av Philipp Marquetand från kemifakulteten vid Wiens universitet har nu presenterat en metod som använder artificiella neurala nätverk som drastiskt accelererar simuleringen av ljusinducerade processer. Metoden ger nya möjligheter för en bättre förståelse av biologiska processer såsom de första stegen av cancer eller materias åldrandeprocesser. Studien publicerades i det aktuella numret av tidskriften Kemivetenskap , inklusive en medföljande illustration på ett av dess omslag.

Maskininlärning spelar en allt viktigare roll i kemisk forskning, t.ex. i upptäckten och utvecklingen av nya molekyler och material. I den här studien, forskare från Wien och Berlin visar hur artificiell intelligens möjliggör effektiva fotodynamiksimuleringar. För att förstå fotoinducerade processer, som fotosyntes, mänsklig syn eller hudcancer, "vi måste förstå molekylernas rörelse under påverkan av UV-ljus. Förutom klassiska mekaniska beräkningar, vi behöver också kvantmekanik som är beräkningsmässigt extremt krävande och därför kostnadskrävande, säger Philipp Marquetand, författare till studien och forskare vid Institutet för teoretisk kemi.

Med tidigare metoder, forskare kunde bara förutsäga de snabbaste fotoinducerade processerna i pikosekundområdet (1 pikosekund =0,000 000 000 001 sekunder) – med beräkningstider på flera månader. Den nya metoden använder artificiell intelligens för att simulera över längre perioder, inom intervallet en nanosekund (1, 000 pikosekunder), med betydligt kortare beräkningstid.

Att lära sig neurala nätverk

I sitt tillvägagångssätt, forskarna använder artificiella neurala nätverk, dvs matematiska modeller som imiterar hur vår hjärna fungerar. "Vi lär vårt neuronala nätverk de komplexa kvantmekaniska sambanden genom att utföra några beräkningar i förväg och föra kunskapen vidare till det neurala nätverket, " säger första studieförfattare och uni:docs-stipendiat, Julia Westermayr från Institutet för teoretisk kemi. Baserat på sin kunskap, de självlärande neurala nätverken kommer då att kunna förutsäga vad som kommer att hända snabbare.

Som en del av studien, forskarna genomförde fotodynamiska simuleringar av en testmolekyl som kallas metylenimmoniumkatjon – en byggsten i molekylens retinal som möjliggör våra visuella processer. "Efter två månaders datoranvändning, vi kunde reproducera reaktionen under en nanosekund; baserat på tidigare metoder, simuleringen skulle ha tagit cirka 19 år, säger doktorand Julia Westermayr.

Ett bevis på koncept

I nanosekundintervallet, majoriteten av fotokemiska processer äger rum:"Med vår strategi, vi går in i en ny dimension av förutsägelse. I princip, det tillvägagångssätt vi presenterar kan tillämpas på ett brett spektrum av mindre molekyler, inklusive DNA-byggstenar och aminosyror, säger Philipp Marquetand.

I nästa steg, forskarna vill använda sin metod för att beskriva aminosyran tyrosin. Tyrosin förekommer i de flesta proteiner, och det misstänks främja blindhet och hudens åldrande efter att ha skadats under påverkan av ljus. Enligt studieförfattarna, den presenterade strategin i allmänhet skulle kunna främja bättre förutsägelser av ljusstyrda processer i alla avseenden, inklusive materialåldring och ljuskänsliga läkemedel.