Kimyasal Formülleri Tanıyabilen Nöral Ağ Tabanlı Teknoloji
Syntelly’den- Skoltech kökenli bir girişim- araştırmacılar, Lomonosov Moskova Devlet Üniversitesi ve Sirius Üniversitesi, araştırma makalesi taramalarında kimyasal formüllerin otomatik olarak tanınması için nöral ağ tabanlı bir çözüm geliştirdiler. Çalışma, Avrupa Kimya Derneği’nin bilimsel bir dergisi olan Chemistry-Methods’ da yayınlandı.
İnsanlık yapay zekâ çağına giriyor. Kimya da sinir ağı eğitimi için her zaman büyük miktarda nitel veri gerektiren modern derin öğrenme yöntemleriyle dönüştürülecektir.
İyi haber şu ki, kimyasal veriler “iyi yaş alıyor.” Belirli bir bileşik aslında 100 yıl önce sentezlenmiş olsa bile yapısı, özellikleri ve sentez yolları hakkındaki bilgiler bugün de geçerlidir. Evrensel dijitalleşme sürecimizde bile, bir organik kimyacının kötü çalışılmış bir molekül hakkında bilgi almak için bir kütüphane koleksiyonundan-20. Yüzyılın başlarında, örneğin Almanca olarak yayımlanan- orijinal bir dergi makalesine veya tezine yönelmesi yerinde olabilir.
Kötü haber, kimyasal formülleri göstermenin kabul edilen standart bir yolu yoktur. Kimyagerler geleneksel olarak tanıdık kimyasal gruplar için stenografi notasyonu yoluyla birçok sır kullanırlar. Örneğin, bir tert-bütil grubu için olası gösterimler, “tBu”, “t-Bu” ve “tert-Bu” olabilir. Daha da kötüsü, kimyagerler genellikle benzer birçok bileşiğe atıfta bulunmak için farklı “yer tutuculara” (R1, R2 vb.) sahip bir şablon kullanırlar ancak bu yer tutucu semboller herhangi bir yerde tanımlanabilir: Şeklin kendisinde, çalışılan makale ya da eklerin metninde…
Dergiler arasında çizim stillerinin çeşitliliğinden ve zamanla gelişmesinden, kimyagerlerin kişisel alışkanlıklarının farklılaşmasından ve metot değişiminden bahsetmedik bile. Sonuç olarak, uzman bir kimyager bile zaman zaman kendisini bir makalede karşılaştığı “bulmacayı” anlamlandırmaya çalıştığı bir kayboluşta bulabilir. Bir bilgisayar algoritması için bu görev aşılmaz görünür.
Ancak araştırmacılar, robot çeviri için aslen Google tarafından tasarlanan bir ‘nöral ağ’ olan Transformer’ı kullanarak benzer sorunlarla başa çıkmakla zaten bunu deneyimlediler. Bu güçlü aracı kullanan ekip, bir metni diller arasında çevirmek yerine, bir molekülün veya moleküler şablonun görüntüsünü metinsel gösterimine dönüştürdü. Bu tarz gösterime ise İşlevsel-Grup-SMILES denir.
Araştırmacıların asıl sürprizi, bu nöral ağın, ilgili tasvir tarzının eğitim verilerinde simgelenmesinin sağlanmasıyla neredeyse her şeyi öğrenebildiğini kanıtlamasıydı.
Bununla birlikte, Transformer’ın eğitilmesi için on milyonlarca örnek gerekir ve araştırma makalelerinden bu kadar çok kimyasal formülü elle toplamak imkansızdır. Bunun yerine, ekip başka bir yaklaşım benimsedi ve rastgele seçilmiş molekül parçalarını ve tasvir stillerini birleştirerek moleküler şablon örnekleri üreten bir veri üreteci oluşturdu.
Çalışmanın baş araştırmacısı, Syntelly’nin CEO’su. Sergey Sosnin, “Çalışmamız, kimyasal yapıların optik olarak tanınmasında devam eden paradigma değişiminin iyi bir göstergesidir. Önceki araştırmalar moleküler yapı tanımaya odaklanırken, şimdi Transformer ve benzeri ağların benzersiz kapasitelerine sahip olduğumuza göre, bunun yerine kendimizi mevcut moleküler şablon tasvir stillerinin çoğunu taklit edecek yapay örnek üreteçleri oluşturmaya adayabiliriz. Algoritmamız molekülleri, fonksiyonel grupları, yazı tiplerini, stilleri, hatta yazdırma kusurlarını birleştirir; ek molekülleri, teorik kısımları vb. tanıtır. Bir kimyager bile molekülün doğrudan gerçek bir makaleden mi yoksa üreteçten mi çıktığını söylemekte zorlanıyor.” diyor
Çalışmanın yazarları yöntemlerinin, yüksek nitelikli bir kimyagerin yapacağı ölçüde, araştırma makalelerini “okuyabilecek” ve “anlayabilecek” bir yapay zekâ sistemine doğru önemli bir adım oluşturacağını umuyorlar.
Kaynak: technologynetworks.com
