الذكاء الاصطناعي والتصنيع الكيمائي
يعد تحسين التفاعل أمرًا أساسيًا للكيمياء التركيبية ، بدءًا من تحسين مردود العمليات الصناعية إلى اختيار الظروف لتحضير الأدوية المرشحة 1. وبالمثل ، فإن تحسين المعلمات موجود في كل مكان في الذكاء الاصطناعي ، من ضبط المساعدين الشخصيين الافتراضيين إلى تدريب وسائل التواصل الاجتماعي وأنظمة توصية المنتجات 2. نظرًا للتكلفة العالية المرتبطة بإجراء التجارب ، قام العلماء في كلا المجالين بتعيين العديد من قيم المعلمات (المفرطة) من خلال تقييم مجموعة فرعية صغيرة فقط من التكوينات المحتملة. أظهر التحسين Bayesian ، وهو خوارزمية تحسين عالمية مستندة إلى السطح استجابة متكررة ، أداءً استثنائيًا في ضبط نماذج التعلم الآلي 3. تم تطبيق تحسين Bayesian مؤخرًا في الكيمياء 4،5،6،7،8،9 ؛ ومع ذلك ، لم يتم التحقيق في تطبيقه وتقييمه لتحسين التفاعل في الكيمياء التركيبية. هنا نُبلغ عن تطوير إطار عمل لتحسين تفاعل Bayesian وأداة برمجية مفتوحة المصدر تسمح للكيميائيين بدمج خوارزميات التحسين الحديثة بسهولة في ممارساتهم المختبرية اليومية. نقوم بتجميع مجموعة بيانات معيارية كبيرة لتفاعل الأريل المباشر المحفز بالبلاديوم ، وإجراء دراسة منهجية لتحسين Bayesian مقارنةً بصنع القرار البشري في تحسين التفاعل ، وتطبيق تحسين Bayesian على اثنين من جهود التحسين في العالم الحقيقي (Mitsunobu و deoxyfluorination ردود الفعل). يتم إجراء المقارنة المعيارية عبر لعبة عبر الإنترنت تربط القرارات التي يتخذها الكيميائيين والمهندسين الخبراء بالتجارب الحقيقية التي تجري في المختبر. توضح النتائج التي توصلنا إليها أن تحسين Bayesian يتفوق على صنع القرار البشري في كل من متوسط كفاءة التحسين (عدد التجارب) والاتساق (تباين النتائج مقابل البيانات المتاحة في البداية). بشكل عام ، تشير دراساتنا إلى أن تبني أساليب تحسين Bayesian في الممارسات المختبرية اليومية يمكن أن يسهل توليفًا أكثر كفاءة للمواد الكيميائية الوظيفية من خلال تمكين قرارات مستنيرة ومستندة إلى البيانات حول التجارب التي يجب إجراؤها.
توافر البيانات
تتوفر بيانات الحساب الميكانيكي الكمومي وملفات الإخراج Gaussian المستخدمة لتحديد معاملات التفاعلات من 1 إلى 5 على https://github.com/b-shields/auto-QChem. تتوفر بيانات نتيجة التفاعل المُعالج للتفاعلات 1-5 على https://github.com/b-shields/edbo وفي كبسولة Code Ocean المنشورة على https://doi.org/10.24433/CO.3864629.v1. تتوفر بيانات اللاعب المجدولة للعبة تحسين التفاعل على https://github.com/b-shields/EvML.
توافر الكود
تمت كتابة حزمتين برمجيتين وتطبيق ويب واحد لدعم هذا العمل. تمت كتابة الأولى ، auto-qchem ، لتسهيل الكيمياء الحاسوبية عالية الإنتاجية وميزات التفاعل. هذه الحزمة متاحة مجانًا على https://github.com/b-shields/auto-QChem. تمت كتابة الثانية ، EDBO ، كتطبيق سهل الاستخدام لتحسين Bayesian. هذه الحزمة متاحة مجانًا على https://github.com/b-shields/edbo وفي كبسولة Code Ocean المنشورة على https://doi.org/10.24433/CO.3864629.v1. تمت كتابة تطبيق الويب EvML لجمع بيانات المستخدم لمقارنة تحسين Bayesian بأداء الخبراء البشريين. هذه الحزمة متاحة مجانًا على https://github.com/b-shields/EvML.
