Directions interdisciplinaires émergentes
Prédiction de réactions, plans de synthèse conçus par machine
Comment les modèles fondés sur les données prédisent des transformations chimiques et recherchent des voies multi-étapes praticables, en tenant compte de l’incertitude et des contraintes chimiques.
IntuitionUn modèle propose une réaction, il ne la prouve pas
Le modèle apprend des motifs reliant réactifs et conditions aux produits. Un produit plausible reste une hypothèse : il faut vérifier bilan atomique, sélectivité, sécurité et faisabilité expérimentale.
ScolaireReprésenter une réaction
Définition: Enregistrement de réaction
Un enregistrement peut coder structures des réactifs et produits, réactifs auxiliaires, solvant, température, catalyseur, rendement et provenance. Des conditions absentes ou incohérentes peuvent faire paraître contradictoire une même chimie.
Le mappage atomique attribue des indices correspondants aux atomes des réactifs et produits. Comparer les liaisons modifiées décrit la transformation, mais le mappage est un outil de tenue de compte, pas une preuve de mécanisme.
UniversitaireLa prédiction comme inférence conditionnelle
Cette probabilité dépend des exemples et de la représentation d’apprentissage. Elle n’est pas automatiquement celle d’une réussite expérimentale : variables omises, biais de publication et protocoles modifiés comptent.
Définition: Exactitude top-k
La prédiction est dite correcte si le produit enregistré figure parmi les k premières suggestions. Cette mesure évalue le classement des candidats, sans renseigner à elle seule le rendement, la pureté ni la généralisation.
AvancéDes modèles à une étape aux arbres de synthèse
La rétrosynthèse remonte de la cible vers des précurseurs plus simples. Les algorithmes développent des coupures candidates en arbre ou graphe, puis classent les voies selon des scores appris et des contraintes pratiques : disponibilité, nombre d’étapes, chimiosélectivité et réactifs dangereux.
Une voie n’est pas un protocole tant que conditions, traitement, purification et échelle ne sont pas crédibles. Une voie courte peut être moins bonne si elle dépend d’intermédiaires instables ou d’étapes peu sélectives.
RechercheFrontière de la recherche
Un workflow utile traite les sorties de l’IA comme des propositions classées : examiner la chimie, repérer l’incertitude, choisir une expérience discriminante, consigner échecs et réussites, puis réviser le plan. Le modèle aide le jugement expert sans le remplacer.
Références
- Computer-Assisted Synthetic Planning · E. J. Corey, 1988
- Predicting reaction performance in C–N cross-coupling using machine learning · A. A. A. N. Ahneman et al., 2018
- Predicting reaction outcomes with deep learning · P. Schwaller et al., 2019