Naukowcy z Laboratorium Symulacji Systemów Chemicznych i Biologicznych Centrum Nowych Technologii UW opublikował pracę poświęconą zastosowaniu metod uczenia maszynowego i sztucznej inteligencji w analizie katalizatorów istotnych dla przemysłu chemicznego. Artykuł ukazał się w czasopiśmie „ACS Catalysis”.
Metody uczenia maszynowego coraz częściej są wykorzystywane we wszystkich dziedzinach nauki do odkrywania nowych zależności w dużych zbiorach danych, co zwykle przekracza możliwości tradycyjnych metod analitycznych. Algorytmy te pozwalają przyspieszyć odkrycia naukowe w dziedzinach takich jak fizyka, farmacja, biologia, chemia czy inżynieria materiałowa, automatyzując analizę złożonych systemów.
Najnowszym przykładem użycia tych metod w chemii jest praca, która powstała we współpracy pomiędzy dr. Juanem Pablo Martinezem i prof. Bartoszem Trzaskowskim z Laboratorium Symulacji Systemów Chemicznych i Biologicznych w Centrum Nowych Technologii (CeNT) UW oraz chemikami z Uniwersytetu w Gironie i Saragossie.
Wyniki badań zostały opublikowane w czasopiśmie „ACS Catalysis”.
Nowa zielona technologia
Laboratorium Symulacji Systemów Chemicznych i Biologicznych, kierowane przez prof. Bartosza Trzaskowskiego, od wielu lat bada metodami chemii kwantowej katalizatory metatezy olefin, które mają kluczową rolę we współczesnej gospodarce. W 2005 roku reakcja metatezy została nazwana „nową zieloną technologią” przez Royal Academy of Science podczas wręczania za nią Nagrody Nobla i gwałtownie została zaadoptowana przez grupy badawcze jako podstawowa strategia syntezy wiązania C-C. Zdolność tej metody do wybiórczego zastępowania atomów między dwiema cząsteczkami pozwala na generowanie układów chemicznych o pożądanych adekwatnościach. Jest to szczególnie ważne dla skomplikowanych związków, takich jak związki naturalne oraz nowe związki heterocykliczne i makrocykliczne. Użycie reakcji metatezy pozwala na syntezę związków chemicznych z wykorzystaniem prostych dróg reakcji oraz użyciem tańszych i prostszych surowców oraz związków wyjściowych.
Szczególnym przykładem metatezy olefin jest etenoliza, która pozwala na degradowanie długołańcuchowych estrów kwasów tłuszczowych (pochodzących z olejów) przy użyciu etylenu i wydajnych katalizatorów. Pozwala to na syntezę nowych, cennych substancji chemicznych, takich jak aldehydy/alkeny o krótszych łańcuchach, stosowanych w produkcji detergentów, smarów, perfum i polimerów.
Katalizatory przyszłości
W najnowszej pracy Laboratorium Symulacji Systemów Chemicznych i Biologicznych zaprojektowano i stworzono bazę danych zawierającą 217 katalizatorów etenolizy oraz 768 różnych reakcji chemicznych katalizowanych przez te katalizatory. dzięki metod uczenia maszynowego zidentyfikowano najważniejsze adekwatności tych katalizatorów (uzyskane na podstawie szybkich obliczeń kwantowo-mechanicznych), które odpowiadają za ich wysoką wydajność w etenolizie.
Wyniki te pokazują, w jaki sposób baza danych CatalySeed, dostępna za pośrednictwem otwartego i darmowego serwera internetowego, umożliwia odkrywanie nieoczywistych zależności pomiędzy strukturą a aktywnością katalizatorów etenolizy, wspierając strategie projektowania katalizatorów wykraczające poza konwencjonalne podejścia obliczeniowe. W przyszłości podobna metodologia może zostać użyta do zaprojektowania lub znalezienia nowych, bardziej wydajnych katalizatorów dowolnych reakcji chemicznych.
Publikacja:
Poater, S.P. García-Abellán, J.V. Alegre-Requena, B. Trzaskowski, J.P. Partinez, CatalySeed: A Reaction Database for Ruthenium-Catalyzed Ethenolysis of Seed Oils with Applications in Machine Learning, „ACS Catalysis”, DOI: 10.1021/acscatal.5c06483.
