Kimyasal Proseslerde Yapay Zeka Kullanımı
Yapay zeka (Artifical Intelligence – AI), son birkaç on yılda kimya araştırması ve endüstriyel gelişimde giderek daha merkezi bir rol üstlenmiştir. Özellikle, yaşam bilimleri için analitik kimya ve biyokimya, büyük veri kümelerini işlemek ve kimya alanında yeni bilgiler edinmek için makine öğrenimi algoritmaları ve yapay sinir ağları (ANN’ler) gibi entegre araçlara sahiptir. Bu makale, AI’nın bugün kimyada oynadığı rolü incelemektedir.
AI’daki Son Gelişmeler
AI sistemleri, veri modellerine dayalı tahminler yapar (yani, veriler bu özelliklere ve ilişkilere sahipse, gelecekte bu şekilde davranması muhtemeldir). Genel olarak, AI sistemlerinin, tahminleri gerçeklikle karşılaştırmak ve bu tahminleri destekleyen veri modellerini iyileştirmek için bilinen değerlere sahip veri kümeleri üzerinde “eğitilmesi” gerekir.
AI, özellikle çok fazla veri içeren sorunları veya karmaşık giriş ve çıkış ilişkilerine sahip verileri çözmek için uygundur. Bunun gibi verilerin geleneksel manuel prosedürlerle modellenmesi zor veya elverişsizdir, bu nedenle AI son birkaç yılda geliştikçe, yeni modelleme uygulamaları da beraberinde yükselmiştir.
Kimyagerler AI’yı Nasıl Kullanır?
Veri setlerinin genellikle karmaşık giriş ve çıkış ilişkileri içerdiği çok sayıda kimyasal görev ve süreç vardır. Örneğin, teorik hesaplamalarla veya ampirik (deneysel) verilerle yapılan hesaplamalarla yeni bir bileşiğin ne kadar çözünür olacağını tahmin etmek mümkündür. Bilinen çözünürlüklere sahip eğitim verilerinden yapı / çözünürlük ilişkileri hakkında bilgi edinen AI programları, yeni bileşiklerdeki çözünürlüğü de tahmin edebilir.
Genel olarak, kimyagerler deneyleri tasarlamak ve gerçekleştirmek için gereken çabayı azaltmaya yardımcı olmak için AI kullanırlar. Bu, bir dizi AI uygulama alanında elde edilir: laboratuvar otomasyonu, yeni ilaçların biyoaktivitesini tahmin etme, kimyasal reaksiyonlar için koşulları optimize etme ve karmaşık hedef maddelerin nasıl sentezleneceğine dair önerilerde bulunma bu alanlardandır.
AI Uygulamaları Kimyada da Büyüyor
Giderek artan bir şekilde, kimya araştırmalarında AI için uygulamalar artmaktadır. Bunun nedeni birkaç tamamlayıcı faktörden kaynaklanmaktadır: Bilgisayar işleme kapasitesi hızla genişlemektedir, açık kaynaklı makine öğrenimi çerçeveleri ve AI algoritmaları geliştirilmekte ve bilim insanları arasında paylaşılmaktadır, üniversite kursları ve lisansüstü programlar artık öğrencilerini veri bilimiyle erken bir aşamada tanıştırmaktadır ve kimyagerler giderek daha fazla veri okuryazarı hale gelmektedir.
ImageNet yarışması ve Merck Moleküler Aktivite Mücadelesi gibi geniş kamusal veri zorlukları da kimyada AI’nın büyümesini sağlamıştır.
AI’nın kimyadaki büyümesine katkıda bulunan açık kaynaklı sistemlere örnek olarak TensorFlow (2015’te geliştirildi) ve PyTorch (ertesi yıl piyasaya sürüldü) verilebilir.
Bu büyüme, AI’nın kimya uygulamalarını detaylandıran makalelerin sayısında belirgindir. 2020 itibariyle, bu alandaki belgelerin yarısından fazlası önceki dört yıl içinde yayımlanmıştır.
Kimyanın En Çok Hangi Alanları AI’ya Güveniyor?
Kimyanın tüm dalları- aslında, 2022’deki hemen hemen tüm bilim dalları- AI teknolojisinden yararlanırken, bazıları AI ile diğerlerinden çok daha fazla iç içe geçmiş durumda.
Dergi yayımlarının ve patent belgelerinin sayısına bakıldığında, Analitik Kimya, AI’yı diğer kimya alanlarından daha sık kullanır.
Analitik kimyadan sonra, AI’yı en çok kullanan sonraki iki alan Çevre Kimyası ve Endüstriyel Kimya veya Kimya Mühendisliğidir.
Biyokimya, kimya ve AI etrafındaki patent başvuruları açısından güçlü bir şekilde yansıtılmaktadır, ancak dergi yayınları açısından daha zayıftır. Bu muhtemelen tıp endüstrilerinde teknolojiler geliştirmek ve patentlemek için sağlanan güçlü finansal teşvikten kaynaklanmaktadır.
AI Kullanılan Önemli Kimya Araştırmaları
Journal of Chemical Information and Modeling‘de yayımlanan yakın tarihli bir literatür taramasında, araştırmacılar kimya için AI kullanılan en etkili 34 dergi yayınını seçtiler. Bu makalelerin her biri 100’den fazla atıf almıştır ve kendi alanlarında bir yenilik ortaya koymuştur.
Makaleler, özellikle Makine Öğrenimi, ANN’ler, Yoğunluk Fonksiyonel Teorisi ve Rastgele Orman Algoritmasına dayanan AI tekniklerinin bir karışımını kullandı.
Makaleler, özellikle Makine Öğrenimi, ANN’ler, Yoğunluk Fonksiyonel Teorisi ve Rastgele Orman Algoritmasına dayanan AI tekniklerinin bir karışımını kullandı.
Seçilen yaşam bilimleri ile ilgili kimya makaleleri, yüksek verimli ilaç taramasını anlamak, nükleik asit dizilerini analiz etmek ve protein yapılarını tahmin etmek için sıklıkla AI kullandı.
Malzeme bilimleri uygulamaları, yeni fonksiyonel malzemeler keşfetmek için yapı / özellik ilişkilerini tahmin etmeyi ve nöromorfik hesaplamalar için memristorlar oluşturmayı içeriyordu.
Analitik kimya makaleleri, akış kimyasını otomatikleştirmek, retrosentetik planlamayı geliştirmek ve kimyasal reaksiyonlardan elde edilen sonuçları tahmin etmek için yeni yöntemler geliştirmek adına AI’yı kullandı.
Gelecekte AI Kimyagerler İçin Daha Erişilebilir Olacak
Kimyada AI için bu son teknoloji uygulamaların yanı sıra araştırmacılar, AI kullanan kayda değer araştırmaların da kullanıcı dostu ve erişilebilir hesaplama araçları geliştirme eğiliminde olduğunu bulmuşlardır.
AI – ve genel olarak programlama- daha güçlü hale geldikçe, daha kullanışlı hale de gelebilir. Bunun nedeni, geliştiricilerin kullanıcı dostu paketlemede karmaşık veri bilimine dayanan AI görevlerini tamamlayabilmeleri, algoritmanın matematiksel çalışmalarını insanların gezinmesi için daha sezgisel bir dile soyutlayabilmeleridir.
Kaynak: azom.com
