Chemistry Labs

Các hướng liên ngành mới nổi

Thiết kế vật liệu, phân tử ngược (inverse design)

Cách phương pháp tính toán và học máy tìm ngược từ tính chất mong muốn của phân tử hay vật liệu đến cấu trúc ứng viên, dưới các ràng buộc về hóa học, tổng hợp và độ bất định.

Trực giácThiết kế ngược từ tính chất hữu ích

Dự đoán thuận hỏi cấu trúc có thể có tính chất gì. Thiết kế ngược bắt đầu từ mục tiêu—như màu sắc, độ dẫn, ái lực liên kết hay độ bền—rồi tìm cấu trúc đáp ứng. Nhiều cấu trúc có thể cùng đạt mục tiêu, hoặc không cấu trúc nào đáp ứng mọi ràng buộc.

Mô phỏng tương tác liên hệ cấu trúc ứng viên, tính chất dự đoán và mục tiêu thiết kế.

Phổ thôngKhông gian tìm kiếm cấu trúc hóa học

Định nghĩa: Không gian thiết kế

Không gian thiết kế là tập cấu trúc ứng viên và cách biểu diễn mà thuật toán có thể tạo ra. Biểu diễn cho phép hóa trị sai hay thành phần bất khả thi làm lãng phí tìm kiếm; biểu diễn quá hẹp loại bỏ hóa học có thể hữu ích.

Đồ thị phân tử mã hóa nguyên tử thành đỉnh và liên kết thành cạnh. Tính hợp lệ hóa học đòi hỏi hơn cú pháp đồ thị: hóa trị, điện tích, tính thơm, lập thể và độ bền đều quan trọng; đồ thị hợp lệ vẫn có thể không tổng hợp được.

Đại họcTối ưu mục tiêu dưới các ràng buộc

max⁡x∈Xf(x)subject togi(x)≤0\max_{x\in\mathcal{X}} f(x)\quad\text{subject to}\quad g_i(x)\leq 0

Ở đây xx là ứng viên, ff là mục tiêu dự đoán, còn gig_i là các ràng buộc như độc tính, chi phí hay độ bền. Điểm mô hình chỉ có ý nghĩa khi dữ liệu huấn luyện, hiệu chuẩn và phép đo thực nghiệm dự định đều phù hợp.

Định nghĩa: Đánh đổi Pareto

Với nhiều mục tiêu, một ứng viên trội hơn ứng viên khác nếu không kém ở mọi mục tiêu và tốt hơn ở ít nhất một mục tiêu. Biên Pareto gồm các phương án đánh đổi không bị trội; chọn phương án nào cần ưu tiên ứng dụng chứ không chỉ dựa vào điểm mô hình.

Nâng caoTìm kiếm, bất định và thẩm định

Tối ưu Bayes có thể chọn ứng viên tiếp theo bằng cách cân bằng hiệu năng dự đoán với độ bất định, đặc biệt khi thí nghiệm tốn kém. Lợi ích phụ thuộc mô hình thay thế hữu ích, quy tắc chọn phù hợp mục tiêu và xử lý trung thực ứng viên ngoài miền dữ liệu.

Cấu trúc được sinh cần được kiểm tra độc lập về tính hợp lệ hóa học, tính mới, bất định tính chất dự đoán và khả năng tiếp cận tổng hợp. Ước lượng tổng hợp ngược là bộ lọc chứ không phải bảo đảm; chất lượng lộ trình và thành công phòng thí nghiệm cần phán đoán thực nghiệm.

Nghiên cứuBiên giới nghiên cứu

Chu trình khám phá đáng tin cậy xác định mục tiêu đo được, đề xuất ứng viên đa dạng, thử nghiệm an toàn có giá trị thông tin cao, công bố kết quả âm tính rồi cập nhật mô hình và ràng buộc. Bằng chứng là vật liệu được đo, không phải sự mới lạ của cấu trúc sinh ra.

Tài liệu tham khảo

  • Inverse molecular design using machine learning: Generative models for matter engineering · B. Sanchez-Lengeling, A. Aspuru-Guzik, 2018
  • Machine learning in materials informatics: recent applications and prospects · R. Ramprasad et al., 2017
  • Molecular de novo design through deep reinforcement learning · M. Popova, O. Isayev, A. Tropsha, 2018