La prédiction des réactions moléculaires déclenchées par la lumière est à ce jour extrêmement chronophage et donc coûteuse. Une équipe dirigée par Philipp Marquetand de la Faculté de chimie de l'Université de Vienne a maintenant présenté une méthode utilisant des réseaux de neurones artificiels qui accélère considérablement la simulation des processus induits par la lumière. La méthode offre de nouvelles possibilités pour une meilleure compréhension des processus biologiques tels que les premières étapes de la cancérogenèse ou les processus de vieillissement de la matière. L'étude a été publiée dans le numéro actuel de la revue Sciences chimiques , comprenant également une illustration d'accompagnement sur l'une de ses couvertures.

L'apprentissage automatique joue un rôle de plus en plus important dans la recherche chimique, par exemple. dans la découverte et le développement de nouvelles molécules et de nouveaux matériaux. Dans cette étude, des chercheurs de Vienne et de Berlin montrent comment l'intelligence artificielle permet des simulations photodynamiques efficaces. Pour comprendre les processus photo-induits, comme la photosynthèse, perception visuelle humaine ou cancer de la peau, "nous devons comprendre le mouvement des molécules sous l'influence de la lumière UV. En plus des calculs mécaniques classiques, nous avons également besoin d'une mécanique quantique extrêmement exigeante en termes de calcul et donc coûteuse, " dit Philipp Marquetand, auteur de l'étude et scientifique à l'Institut de chimie théorique.

Avec les méthodes précédentes, les chercheurs n'ont pu prédire les processus photo-induits les plus rapides que dans la gamme des picosecondes (1 picoseconde =0,000 000 000 001 secondes) – avec des temps de calcul de plusieurs mois. La nouvelle méthode utilise l'intelligence artificielle pour simuler sur des périodes plus longues, dans la plage d'une nanoseconde (1, 000 picosecondes), avec beaucoup moins de temps de calcul.

Apprentissage des réseaux de neurones

Dans leur approche, les chercheurs utilisent des réseaux de neurones artificiels, c'est-à-dire des modèles mathématiques qui imitent le fonctionnement de notre cerveau. "Nous enseignons à notre réseau neuronal les relations complexes de la mécanique quantique en effectuant quelques calculs au préalable et en transmettant les connaissances au réseau de neurones, " déclare le premier auteur de l'étude et boursier uni:docs, Julia Westermayr de l'Institut de chimie théorique. Fort de ses connaissances, les réseaux de neurones d'auto-apprentissage pourront alors prédire ce qui va se passer plus rapidement.

Dans le cadre de l'étude, les chercheurs ont effectué des simulations photodynamiques d'une molécule d'essai appelée cation méthylèneimmonium, un élément constitutif de la molécule rétinienne qui active nos processus visuels. "Après deux mois de calcul, nous avons pu reproduire la réaction pendant une nanoseconde; sur la base des méthodes précédentes, la simulation aurait duré environ 19 ans, ", explique Julia Westermayr, étudiante au doctorat.

Une preuve de concept

Dans la gamme de la nanoseconde, la majorité des processus photochimiques ont lieu :« Avec notre stratégie, nous entrons dans une nouvelle dimension de la prédiction. En principe, l'approche que nous présentons peut être appliquée à une large gamme de molécules plus petites, y compris les éléments constitutifs de l'ADN et les acides aminés, " dit Philipp Marquetand.

A l'étape suivante, les chercheurs veulent utiliser leur méthode pour décrire l'acide aminé tyrosine. La tyrosine est présente dans la plupart des protéines, et il est soupçonné de favoriser la cécité et le vieillissement cutané après avoir été endommagé sous l'influence de la lumière. Selon les auteurs de l'étude, la stratégie présentée en général pourrait favoriser de meilleures prédictions des processus contrôlés par la lumière à tous égards, y compris le vieillissement des matériaux et les médicaments photosensibles.