“LLM” için sonuçlar
6 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Kimya Sınavında: LLM'ler Geçiş Durumlarını Ne Kadar Anlıyor?
Kimyasal reaksiyonları anlamak, kâğıt üzerindeki denklemlerin çok ötesine geçer; atomların üç boyutlu uzayda nasıl yeniden düzenlendiğini kavramayı gerektirir. Ancak büyük dil modellerini (LLM) kimya alanında test eden mevcut ölçütlerin büyük çoğunluğu yalnızca ezber bilgisini ve metin tabanlı akıl yürütmeyi ölçüyor. TSBench adlı yeni bir kıyaslama platformu bu boşluğu doldurmaya çalışıyor. Platform, yapay zeka modellerinin gerçek kimyasal reaksiyonların geçiş durumu geometrilerini üç boyutlu olarak inşa edip edemediğini sınıyor ve bu yapıları kuantum kimyası hesaplamalarıyla doğruluyor. 78 farklı temel reaksiyon üzerinde yedi önde gelen LLM'i kapsayan 546 değerlendirme, modellerin başlangıçtaki yüzde 50,4'lük başarı oranının, hata teşhisine dayalı revizyon döngüleriyle yüzde 66,8'e çıkabildiğini ortaya koyuyor. En iyi modeller basit reaksiyonlarda yüzde 90'a yaklaşırken, mekanizma karmaşıklığı arttıkça performans belirgin biçimde düşüyor. Bu sonuçlar, mevcut yapay zeka modellerinin kimyasal akıl yürütmede hâlâ önemli sınırlılıklar taşıdığını gözler önüne seriyor.
Kuantum Kimyada Yeni Yöntem: Moleküler Hesaplamalar Daha Doğru Hale Geliyor
Kimyasal hesaplama yöntemleri arasında önemli bir yer tutan çiftlenmiş küme teorisi, moleküllerin enerji düzeylerini ve reaksiyon enerjilerini tahmin etmek için yaygın biçimde kullanılıyor. Ancak bu yöntemler, özellikle elektronların birbirleriyle güçlü etkileşime girdiği 'kuvvetle korelasyonlu' sistemlerde ciddi hatalar verebiliyor. Araştırmacılar, bu sorunu aşmak için farklı yaklaşımları bir araya getiren yeni bir hesaplama yöntemi geliştirdi: OQVDCD. Yeni yöntem, hem matematiksel tutarlılığı koruyor hem de hesaplama maliyetini makul düzeyde tutarak kapalı kabuklu moleküllerin reaksiyon enerjilerindeki ortalama hatayı belirgin ölçüde azaltıyor. Test edilen sistemlerde, önceki yöntem olan OQVCCD'nin ürettiği ortalama mutlak sapma 1,20 kcal/mol'den 0,81 kcal/mol'e düşürüldü. Bu rakamlar küçük görünse de ilaç tasarımı ve malzeme bilimi gibi alanlarda atomik ölçekte yapılan hesaplamalarda bu düzeydeki iyileşmeler kritik önem taşıyabiliyor. Yöntem aynı zamanda boyuta göre ölçeklenebilir olması ve genelleştirilmiş Hellmann-Feynman teoremine uyması gibi fiziksel açıdan arzu edilen özellikleri de karşılıyor.
Elektronların Molekülleri Nasıl Uyardığı Artık Daha Kolay Hesaplanabilir
Fizik ve kimyanın kesişiminde yer alan elektron çarpışma süreçleri, plazma fiziğinden atmosfer kimyasına, floresan malzemelerden biyomoleküllerin radyasyon hasarına kadar pek çok alanda kritik öneme sahiptir. Ancak bu süreçleri doğru biçimde matematiksel olarak modellmek, özellikle büyük moleküller söz konusu olduğunda son derece güç olmuştur. Türkiye'den ve uluslararası kurumlardan araştırmacıların geliştirdiği yeni bir hesaplama çerçevesi, bu zorluğun üstesinden gelmek için yenilikçi bir yaklaşım sunuyor. 'Çok-konfigürasyonlu ikili karşılaşma' (MC-BE) adı verilen bu yöntem, bir elektronun bir moleküle çarptığında o molekülü elektronik olarak uyarma olasılığını —yani tesir kesitini— deneysel veriye ya da sisteme özgü ayar parametrelerine ihtiyaç duymadan, yalnızca teorik hesaplamalarla doğrudan elde etmeyi mümkün kılıyor. Benzen ve naftalin gibi aromatik moleküller üzerinde yapılan testlerde yöntem, mevcut yaklaşımlardan daha başarılı sonuçlar verdi ve deneysel ölçümlerle kayda değer bir uyum yakaladı. Bu gelişme, büyük organik moleküllerin ışıma ve enerji aktarım davranışlarını anlamak için daha hızlı ve güvenilir bir araç sunuyor.
İlaç Peptitleri Kural Tanımıyor: Sarmal Olmadan da Reseptörü Uyarıyorlar
Wisconsin-Madison Üniversitesi'ndeki araştırmacılar, ilaç geliştirme alanında alışılmışın dışında bir keşfe imza attı. Hücre yüzeyindeki reseptör proteinleri, vücudun dış ortamdan gelen mesajları alıp yanıt vermesini sağlayan kritik yapılardır. Bu reseptörlerin düzgün çalışması sağlık için hayati önem taşırken, işlev bozukluğu pek çok hastalığa zemin hazırlayabilir. Pek çok ilaç da tam olarak bu reseptörler üzerinden etki ederek bilgi akışını düzenler. Geleneksel anlayışa göre bir peptidin reseptörü aktive edebilmesi için belirli bir üç boyutlu yapıya, özellikle alfa-sarmal biçimine bürünmesi gerektiği düşünülüyordu. Gellman Grubu araştırmacıları ise bu kabule meydan okuyan sonuçlar elde etti: Tam sarmal formunu almayan bazı peptitler, reseptörleri beklenmedik biçimde başarıyla aktive edebiliyor. Bu bulgu, ilaç tasarımında yapı-işlev ilişkisine dair yerleşik kalıpları sorgulatıyor ve yeni moleküllerin nasıl tasarlanabileceğine ilişkin kapıları aralıyor. Araştırma, özellikle mevcut ilaçların etkisiz kaldığı durumlarda alternatif peptit yapılarının tedavi amacıyla kullanılabileceğine işaret ediyor.
AI Destekli Molekül Tasarım Sistemi: Sentez Yolları ve Evrimsel Optimizasyon
Araştırmacılar, hedeflenen özelliklere sahip molekülleri tasarlamak için yenilikçi bir sistem geliştirdi. 'My Chemical Harness' adlı bu framework, büyük dil modellerini (LLM) kullanarak kimyasal sentez yollarını optimize ediyor. Sistem, satın alınabilir yapı taşlarından başlayarak gerçekçi reaksiyon şablonları kullanıyor ve molekülleri izole graflar olarak değil, uygulanabilir sentez yolları halinde tasarlıyor. Bu yaklaşım, AI'ın moleküler keşif sürecini yönlendirmesine izin verirken, hayali ürünler veya desteklenmeyen reaksiyon adımları sunmasını engelliyor. Yöntem, ilaç geliştirme ve malzeme biliminde devrim yaratabilir.
Yapay Zeka Artık İlaç Moleküllerini Geri Sentezleyebiliyor
Araştırmacılar, büyük dil modellerinin (LLM) kimyasal sentez planlamasında devrim yaratabilecek yeni bir yaklaşım geliştirdi. Retrosintez olarak bilinen süreç, hedef moleküllerin daha basit bileşenlere ayrıştırılması yoluyla ilaç geliştirmede kritik rol oynar. Geleneksel makine öğrenmesi yöntemleri tek adımlık reaksiyonlarla sınırlıyken, yeni sistem çok adımlı sentez yollarını planlamada başarı gösteriyor. Bu gelişme, ilaç keşfi ve organik kimya alanında daha etkili sentez stratejilerinin geliştirilmesine kapı açabilir.