“moleküler modelleme” için sonuçlar
68 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka ile molekül üretiminde yeni yaklaşım: Pseudo kuvvet alanları
Araştırmacılar, moleküllerin kararlı yapılarını üretmek için yeni bir yapay zeka yaklaşımı geliştirdi. 'Generatif pseudo kuvvet alanları' adı verilen bu yöntem, fiziksel gerçekçilik ile hesaplama verimliliği arasındaki dengeyi kurmaya odaklanıyor. Geleneksel yöntemler ya pahalı fiziksel hesaplamalar gerektiriyor ya da zaman adımlarına bağımlı kalıyor. Yeni yaklaşım ise, referans denge yapılarından yola çıkarak kuadratik pseudo-potansiyel enerji yüzeyleri üzerinde makine öğrenmesi kuvvet alanları eğitiyor. Bu sayede maliyetli ab-initio hesaplamalara ihtiyaç duymadan, denge durumundaki moleküler yapıları Gauss gürültüsüyle bozarak eğitim verisi üretiyor. Moleküler tasarım ve ilaç geliştirme alanlarında önemli uygulamalara sahip olabilecek bu yöntem, bilimsel hesaplamalarda yeni bir paradigma sunuyor.
Kuantum kimyada yeni yaklaşım: Karmaşık hesaplamaları basitleştiren yöntem
Kuantum kimyasal hesaplamalarda önemli bir ilerleme sağlandı. Araştırmacılar, moleküllerdeki elektron etkileşimlerini daha verimli hesaplayan yeni bir yöntem geliştirdi. Bu yaklaşım, yoğunluk-matris fonksiyonel teorisinin karmaşıklığını önemli ölçüde azaltırken doğruluğunu koruyor. Geleneksel yöntemlerde hesaplama maliyeti elektron sayısıyla üssel olarak artarken, yeni teknik gerçek uzayda yerel ayrıştırma yaparak bu sorunu çözüyor. Özellikle güçlü korelasyon gösteren sistemlerde etkili olan bu yöntem, moleküler sistemlerin elektronik yapısını anlamada yeni olanaklar sunuyor. Test edildiği karbon alt oksit molekülünde başarılı sonuçlar elde edildi.
Yapay zeka ile kuantum kimyada çığır açan yeni dalga fonksiyonu modeli
Araştırmacılar, moleküllerin elektronik yapısını anlamak için yapay sinir ağlarını kullanan yenilikçi bir yöntem geliştirdi. Bu yöntem, geleneksel temel küme yaklaşımlarını sinir ağlarıyla değiştirerek, elektron korelasyonunu daha hassas bir şekilde modelliyor. Antisimetrikleştirilmiş geminal güç determinantı ile beslemeli sinir ağlarını birleştiren model, elektronların fermiyon antisimetrisini ve korelasyon etkilerini ayrı ayrı ele alıyor. Bu yaklaşım, dinamik korelasyon hatalarını statik, çok-referans korelasyon hatalarından ayırt etmeyi mümkün kılıyor. Hidrojen molekülü ve dört hidrojenden oluşan dikdörtgen yapı üzerinde yapılan testlerde, milihartree altı hassasiyet elde edildi. Bu gelişme, kuantum kimya hesaplamalarında yapay zekanın gücünü gözler önüne seriyor ve moleküler sistemlerin daha doğru modellenebilmesinin yolunu açıyor.
Kuantum Kimya Hesaplamalarının Kalitesini Ölçen Yeni Yöntem Geliştirildi
Bilim insanları, moleküllerin elektronik yapısını modelleyen coupled cluster hesaplamalarının ne kadar güvenilir olduğunu değerlendirmek için yeni bir tanı yöntemi geliştirdi. Bu yöntem, hesaplamalarda kritik rol oynayan statik korelasyon etkilerini daha ucuz ve erişilebilir şekilde ölçebiliyor. Özellikle CCSD ve CCSD(T) seviyelerindeki hesaplamalarda, Matito statik korelasyon tanısındaki değişimi izleyerek hesaplama kalitesini değerlendiriyor. Yeni yaklaşım, kuantum kimyacıların pahalı hesaplamalar yapmadan önce yöntemlerinin güvenilirliğini test etmelerine olanak sağlıyor. Bu gelişme, moleküler modelleme ve kuantum kimya alanında daha verimli hesaplama stratejileri geliştirmenin önünü açıyor.
Kuantum Bilgisayarlar Kimyasal Hesaplamalarda Çığır Açıyor
Araştırmacılar, kuantum kimyasındaki karmaşık matematiksel denklemleri çözmek için yeni bir kuantum algoritması geliştirdi. Bu algoritma, moleküllerdeki elektron etkileşimlerini modellemek için kullanılan Riccati denklemlerini çözebiliyor. Geleneksel bilgisayarların zorluk yaşadığı bu hesaplamalarda kuantum yaklaşım, sistem boyutuna göre doğrusal bir ölçekleme sunuyor. Özellikle çok-parçacık sistemlerde klasik yöntemlere kıyasla üstel bir avantaj sağlayabileceği öngörülüyor. Bu gelişme, ilaç tasarımından malzeme bilimine kadar birçok alanda daha doğru moleküler modelleme imkanı vadediyor.
Kuantum Kimyada Yeni Yaklaşım: RPA Tabanlı Yerel Orbital Yöntemi
Bilim insanları, moleküllerin elektronik yapısını daha doğru hesaplamak için yeni bir kuantum kimyasal yöntem geliştirdi. Bu yaklaşım, özellikle karmaşık moleküler sistemlerde geleneksel MP2 yönteminin yetersiz kaldığı durumlarda daha güvenilir sonuçlar veriyor. Random Phase Approximation (RPA) temelli yerel doğal orbital coupled-cluster teorisi, büyük moleküllerde elektronlar arası etkileşimleri daha hassas şekilde modelliyor. Yöntem, hesaplama maliyetini düşürürken doğruluğu artırarak, ilaç tasarımından malzeme bilimindeki uygulamalara kadar geniş bir yelpazede kullanılabilecek.
Yapay Zeka ile Moleküllerin Elektron Davranışını Daha Hızlı Tahmin Etmek
Kimyasal hesaplamalarda kritik olan elektron korelasyonlarının belirlenmesi için yeni bir yapay zeka yaklaşımı geliştirildi. Ranking Configuration Interaction (RCI) adı verilen bu yöntem, moleküllerdeki elektron davranışlarını tahmin etmek için geleneksel yöntemlerden farklı olarak 'sıralama' stratejisi kullanıyor. Transformer mimarisi kullanan sistem, elektronların orbital bağımlılıklarını daha doğru modelleyerek, kimyasal reaksiyonların ve moleküler özelliklerin hesaplanmasında önemli iyileştirmeler sağlıyor. Bu gelişme, ilaç tasarımından malzeme bilimlerine kadar pek çok alanda hesaplama kimyasının geleceğini şekillendirebilir.
Yapay Zeka ile NMR Spektroskopisi: Moleküllerdeki Gizli Kimyasal Farkları Keşfetmek
Araştırmacılar, moleküllerin kimyasal özelliklerini anlamada kritik bir sorunu çözdü. Aynı yapıya sahip atomlar gerçekte farklı kimyasal ortamlarda bulunabilir, ancak geleneksel yöntemler bu farkları yakalayamıyor. Bilim insanları, NMR spektroskopisi verilerini yapay zeka ile birleştirerek CLAIM adlı yeni bir sistem geliştirdi. Bu sistem, moleküllerin 2D yapısal bilgilerini atom seviyesindeki NMR gözlemleriyle eşleştiriyor. Böylece kaybolmuş kimyasal detayları geri kazandırıyor ve dinamik moleküler davranışları daha iyi anlamamızı sağlıyor. Araştırma, ilaç keşfi ve malzeme biliminde yeni olanaklar sunuyor.
Kuantum Kimyasında Hesaplama Hızını Artıran Yeni GPU Algoritması Geliştirildi
Araştırmacılar, kuantum kimya hesaplamalarında karşılaşılan büyük hesaplama zorluklarını aşmak için KerneLDI adlı yeni bir GPU tabanlı framework geliştirdiler. Bu sistem, moleküldeki atomlar arası uzamsal ilişkileri daha akıllı bir şekilde işleyerek, gereksiz hesaplamaları elimine ediyor ve sadece önemli blokları işleme alıyor. Geleneksel yöntemler bu tür hesaplamalarda verimsiz kalırken, yeni yaklaşım özellikle büyük moleküler sistemlerde önemli hız artışları sağlıyor. Bu gelişme, ilaç tasarımından yeni malzeme keşfine kadar birçok alanda kuantum kimya hesaplamalarının daha hızlı ve verimli yapılmasını mümkün kılacak.
Kuantum kimyada yeni yöntem: Karmaşık molekül yapılarını çözmenin anahtarı
Araştırmacılar, kimyasal bağlar ve molekül yapıları arasındaki karmaşık ilişkileri anlamak için TD∆SCF adı verilen yeni bir yöntem geliştirdiler. Bu yaklaşım, özellikle elektronları benzer enerji seviyelerinde bulunan karmaşık moleküllerin davranışlarını tahmin etmede önemli ilerlemeler sağlıyor. Geleneksel yoğunluk fonksiyoneli teorisi bu tür moleküllerle zorlanırken, yeni yöntem benzin ve hidrojen florür gibi çeşitli moleküllerde test edildi. Sonuçlar, yöntemin mevcut tekniklerden daha tutarlı ve güvenilir sonuçlar verdiğini gösteriyor. Bu gelişme, ilaç tasarımından malzeme bilimlerine kadar birçok alanda moleküler davranışları daha iyi anlamamızı sağlayabilir.
Kuantum kimyasında hesaplama devrimini başlatacak yeni yöntem keşfedildi
Kuantum kimyası hesaplamalarında büyük bir ilerleme kaydedildi. Araştırmacılar, moleküllerin elektronik yapılarını analiz etmek için kullanılan karmaşık tensor işlemlerini stokastik yöntemlerle gerçekleştiren yeni bir teknik geliştirdi. Bu yaklaşım, altın standart olarak kabul edilen coupled cluster teorisinin hesaplama maliyetini dramatik şekilde düşürürken, kimyasal doğruluk seviyesini koruyor. Yöntem, geleneksel yaklaşımlara göre hem hesaplama süresinde hem de hata oranlarında on kat iyileşme sağlayarak, daha büyük moleküler sistemlerin incelenmesinin önünü açıyor. Bu gelişme, kuantum kimyası alanında maliyet-doğruluk dengesini yeniden şekillendirebilecek nitelikte.
Yapay zeka destekli ilaç geliştirme araçları gerçek verilerle test edildi
Araştırmacılar, ilaç keşfinde kullanılan yapay zeka tabanlı araçların gerçek performansını büyük ölçekli bir veri setiyle test etti. DiffDock ve NMDN gibi yeni nesil AI araçlarının laboratuvar koşullarındaki başarısının gerçek dünyada ne kadar geçerli olduğu merak konusuydu. LIT-PCBA veri tabanından 15 hedef protein ve yaklaşık 578 bin ligand-protein çifti kullanılarak yapılan kapsamlı değerlendirmede, geleneksel AutoDock-GPU ile GNINA skorlamasının birleşimi en iyi sonuçları verdi. Çalışma, ilaç geliştirme sürecinde hangi hesaplama yöntemlerinin daha güvenilir olduğunu ortaya koyarak sektöre önemli rehberlik sağlıyor.
Kuantum-Klasik Hibrit Sistemle 12.000 Atomlu Protein Simülasyonu Başarıldı
Araştırmacılar, kuantum ve klasik hesaplama yöntemlerini birleştirerek moleküler simülasyonlarda çığır açan bir başarıya imza attı. İki adet 156 kübitlik IBM kuantum işlemcisi ve süper bilgisayarlar kullanılarak gerçekleştirilen çalışmada, 12.000 atomu aşan protein-ligand kompleksleri simüle edildi. 100 saati aşan hesaplama sürecinde 9.200 kuantum devresi çalıştırılarak 1.3 milyar ölçüm sonucu toplandı. Bu, kuantum kimyası alanındaki en kapsamlı hibrit hesaplama çalışması olma özelliğini taşıyor. Geliştirilen yöntem, molekülleri parçalara ayırarak kuantum gömme tekniği kullanıyor ve her parçayı hibrit kuantum-klasik yöntemlerle analiz ediyor. Çalışma, büyük biyolojik sistemlerin kuantum düzeyinde analizini mümkün kılarak ilaç geliştirme ve moleküler tasarım alanlarında yeni olanaklar sunuyor.
MIST: Kimyasal Uzayı Keşfeden Dev Yapay Zeka Modeli Geliştirildi
Araştırmacılar, moleküllerin özelliklerini tahmin etmek için MIST adında yeni bir yapay zeka ailesi geliştirdi. Bu modeller, önceki çalışmalardan on kat daha fazla parametre ve veri kullanarak eğitildi. Smirk adlı yenilikçi bir tokenizer ile moleküllerin çekirdek, elektronik ve geometrik bilgilerini kapsamlı şekilde yakalayan MIST, 400'den fazla yapı-özellik ilişkisini tahmin edebiliyor. Model, fizyolojiden elektrokimyaya kadar geniş bir yelpazede en gelişmiş performansı gösteriyor. Bu gelişme, kimyasal uzayda verimli navigasyon sağlayarak malzeme inovasyonunu hızlandırabilir ve mevcut hesaplama yöntemlerinin ölçeklenebilirlik sorunlarına çözüm sunabilir.
Yapay Zeka ile Kimyasal Hesaplamalar 10 Kat Hızlandırıldı
Araştırmacılar, moleküllerin elektronik yapısını önceden tahmin eden yeni bir yapay zeka modeli geliştirdi. DM-PhiSNet adı verilen bu sistem, kimyasal hesaplamaların temelini oluşturan SCF iterasyonlarını %49-81 oranında azaltarak dramatik bir hızlanma sağlıyor. Model, molekülün geometrisinden yola çıkarak elektron yoğunluk matrisini doğrudan tahmin ediyor ve fiziksel kısıtlamaları göz önünde bulundurarak gerçekçi sonuçlar üretiyor. Su, metan, amonyak gibi altı farklı molekül üzerinde test edilen sistem, geleneksel yöntemlere kıyasla çok daha az iterasyon adımıyla doğru sonuçlara ulaşıyor. Bu gelişme, ilaç keşfi, malzeme bilimi ve kataliz araştırmalarında kullanılan kuantum kimyasal hesaplamaları önemli ölçüde hızlandırabilir.
İlaç Keşfinde Büyük AI Modelleri Her Zaman Kazanmıyor
Stanford araştırmacıları, ilaç keşfinde yapay zekanın rolünü araştıran kapsamlı bir çalışma yürüttü. 22 farklı moleküler özellik ve aktivite testinde, büyük dil modelleri ve temel moleküler modellerin her zaman klasik makine öğrenmesi yöntemlerinden üstün olmadığını keşfetti. 167 bin test örneğinde, Random Forest ve ExtraTrees gibi geleneksel yöntemler 10 görevde birinci olurken, graf sinir ağları 9 görevde, büyük ön-eğitimli modeller ise sadece 3 görevde en iyi performansı gösterdi. Bu bulgular, ilaç geliştirmede AI yaklaşımı seçerken görev özelliklerinin dikkate alınmasının önemini vurguluyor.
Yapay zeka moleküler dünyayı keşfediyor: Suiren-1.0 kimya araştırmalarını hızlandıracak
Araştırmacılar, moleküllerin davranışlarını tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. Suiren-1.0 adlı bu sistem, 1.8 milyar parametre içeriyor ve 70 milyon moleküler örnek üzerinde eğitildi. Sistem, moleküllerin 3 boyutlu yapılarını analiz ederek kimyasal özelliklerini tahmin edebiliyor. Bu teknoloji, ilaç geliştirme, malzeme bilimi ve kimya araştırmalarında devrim yaratabilir. Özellikle moleküller arası etkileşimleri modelleyebilmesi, karmaşık kimyasal süreçlerin anlaşılmasına katkı sağlayacak.
Yapay Zeka Moleküllerdeki Uzak Mesafe Etkileşimleri Çözmeyi Başardı
Google DeepMind, BIFOLD ve Berlin Teknik Üniversitesi araştırmacıları, karmaşık moleküllerdeki atomlar arası uzun mesafe etkileşimlerini daha verimli şekilde modelleyebilen yeni bir yapay zeka yöntemi geliştirdi. Euclidean Fast Attention (EFA) adı verilen bu makine öğrenmesi yaklaşımı, kimyasal sistemlerdeki küresel atom etkileşimlerini daha hızlı ve doğru şekilde temsil edebiliyor. Bu gelişme, ilaç geliştirme süreçlerinde hızlanma, daha verimli batarya teknolojileri ve sürdürülebilir malzeme tasarımında önemli ilerlemeler sağlayabilir. Yöntem, özellikle karmaşık moleküler yapıların simülasyonunda geleneksel hesaplama yöntemlerinin sınırlarını aşmayı hedefliyor.
Yapay zeka ile kristal yapıları artık tahmin edilebiliyor
Bilim insanları, organik moleküllerin kristal yapılarını tahmin edebilen OXtal adlı yapay zeka modelini geliştirdi. 100 milyon parametreye sahip bu difüzyon modeli, 2D kimyasal formüllerden yola çıkarak 3D kristal yapıları öngörebiliyor. İlaç endüstrisinden organik yarıiletkenlere kadar geniş bir yelpazede uygulanabilecek bu teknoloji, kristal yapı tahmini alanında uzun süredir devam eden zorluklara çözüm sunuyor. Araştırmacılar, geleneksel eşdeğişken mimarilerin yerine veri artırma stratejilerini kullanarak modelin verimliliğini artırdı ve kristalizasyondan ilham alan yeni bir eğitim yöntemi geliştirdi.
AI Çiplerinde 8-bit Hesaplamalarla Kuantum Kimyası Simülasyonları 364% Hızlandı
Araştırmacılar, yapay zeka çiplerinde kuantum kimyası hesaplamalarını büyük ölçüde hızlandıran yenilikçi bir yöntem geliştirdi. NVIDIA Tensor Core'lar gibi AI donanımlarında 8-bit tam sayı aritmetiği kullanan adaptif hassasiyet algoritması, yoğunluk uydurma methodunu önemli ölçüde hızlandırıyor. RTX 4090'da %204, RTX 6000 Ada'da ise %364'e varan hız artışları elde edilen çalışmada, hesaplama doğruluğundan taviz verilmiyor. Bu gelişme, AI donanımının bilimsel hesaplamalarda nasıl etkili kullanılabileceğini gösteriyor.