“kimyasal uzay” için sonuçlar
5 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Milyarlarca Molekül Hesaplamasıyla Dev Veri Seti: THEMol
Araştırmacılar, organik moleküllerin kuantum mekaniksel özelliklerini içeren devasa bir açık kaynak veri seti olan THEMol'ü geliştirdi. Bu veri seti, 50'ye kadar ağır atomlu kapalı kabuklu organik moleküller için yaklaşık 3 milyar yoğunluk fonksiyonel teorisi hesaplaması içeriyor. THEMol, ilaç keşfi, elektrolit ve iyonik sıvı araştırmalarında kullanılabilecek kapsamlı moleküler bilgiler sunuyor. Veri seti, 3 milyondan fazla rahatlatılmış geometriye sahip Hessian alt kümesi ve yaklaşık 100 milyon kısıtlı rahatlatılmış geometriyle TorsionScan alt kümesini içeriyor. On iki temel elementi kapsayan kimyasal uzay örneklemesi ile çeşitli moleküler mimarileri barındıran bu kaynak, bilim insanlarına moleküler davranışları daha iyi anlama imkanı sağlıyor.
QT-Net: Atomik Kimyasal Uzayda Yapay Zeka Modellerinin Yeniden Değerlendirilmesi
Araştırmacılar, atomik özelliklerin makine öğrenmesi hedefleri olarak değerlendirilmesinde yeni bir yaklaşım geliştirdi. Kısmi yükler ve multipoller gibi atomik özellikler kimyasal açıdan anlamlı bilgiler içerse de, bu özelliklerin atom düzeyinde değerlendirilmesi zorlu bir süreç olmuştur. Yeni çalışmada, atomik ortamları SOAP tanımlayıcıları ile kümeleyerek ve sadece eğitim sırasında görülmeyen küme etiketlerini hesaba katarak bir değerlendirme protokolü önerildi. Bu protokol kullanılarak, H, C, N ve O atomlarının elektron popülasyonları ile multipollerini tahmin etmede E(3)-eşdeğişken ve eşdeğişken olmayan modeller karşılaştırıldı. Araştırma sonucunda, rotasyonel olarak güçlendirilmiş ve eşdeğişken olmayan graf sinir ağı olan Quantum Topological Neural Network (QT-Net) geliştirildi.
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 Modellerinin Molekül Tasarımındaki Yaratıcılığı Ölçüldü
Araştırmacılar, büyük dil modellerinin molekül üretimindeki yaratıcılık yeteneklerini sistematik olarak inceledi. Çalışma, yapay zekanın kimyasal ve biyolojik kısıtlamalar altında ne kadar özgün moleküler yapılar tasarlayabildiğini ortaya koyuyor. Molekül üretimi, geniş kimyasal uzayda çoklu kısıtlamaları karşılayan çözümler bulmayı gerektiren karmaşık bir süreç. Bu bağlamda yaratıcılık, estetik bir kavram olmaktan ziyade işlevsel bir gereklilik haline geliyor. Araştırma, yapay zeka modellerinin fizikokimyasal özellikler, ADMET parametreleri ve biyolojik aktivite görevlerindeki performansını değerlendiriyor.
Yapay Zeka Tabanlı Atom Potansiyelleri Nasıl Öğreniyor?
Son yıllarda geliştirilen evrensel makine öğrenmesi atom-arası potansiyelleri (uMLIP), geniş kimyasal yapı ve bileşim yelpazesinde yeryüzü enerji yüzeylerini makul doğrulukla tahmin edebiliyor. Farklı mimarilere ve veri setlerine sahip olmalarına rağmen, bu modeller muazzam miktardaki kimyasal bilgiyi açıklayıcı gizli özellikler halinde sıkıştırma yetisini paylaşıyor. Yeni araştırma, bu farklı uMLIP'lerin ne öğrendiğini sistematik olarak inceliyor ve gizli özelliklerinin bilgi içeriğini yeniden yapılandırma hataları ile değerlendiriyor. Bulgular, uMLIP'lerin kimyasal uzayı önemli ölçüde farklı şekillerde kodladığını ve modeller arasında büyük özellik yeniden yapılandırma hataları bulunduğunu gösteriyor. Bu çalışma, yapay zeka modellerinin kimyasal dünyayı nasıl anladığını derinlemesine anlamamızı sağlıyor.