Kimya ve malzeme biliminde moleküllerin davranışını anlamak için yapılan hesaplamalar genellikle çok pahalı ve zaman alıcıdır. Araştırmacılar, bu sorunu çözmek için yapay zeka tabanlı yeni bir yaklaşım geliştirdi.
Yeni yöntem, Bayesian optimizasyon ve Gaussian süreçlerini kullanarak moleküllerin potansiyel enerji yüzeylerinde kritik noktaları daha hızlı buluyor. Bu kritik noktalar, moleküllerin kararlı halleri, geçiş durumları ve reaksiyon yolları gibi önemli bilgileri içeriyor.
Geleneksel yöntemler binlerce pahalı elektronik yapı hesaplaması gerektirirken, bu yeni yaklaşım aynı doğrulukta sonuçları yaklaşık on kat daha az hesaplamayla elde edebiliyor. Sistem, her adımda en bilgilendirici noktaları seçerek öğreniyor ve böylece hesaplama kaynaklarını verimli kullanıyor.
Araştırmacılar, üç farklı hesaplama türünü – enerji minimizasyonu, tekil nokta eyer arayışı ve çift uçlu yol arayışları – tek bir altı adımlı çerçevede birleştirdi. Her üç yöntem de aynı temel algoritma döngüsünü kullanıyor, yalnızca optimizasyon hedefi ve seçim kriterleri farklılık gösteriyor.
Bu gelişme, ilaç moleküllerinin tasarımından yeni malzemelerin keşfine kadar birçok alanda daha hızlı ve verimli araştırmaları mümkün kılacak. Özellikle büyük moleküler sistemlerin incelenmesi artık daha erişilebilir hale geliyor.