Récemment, l'National Science Open Le magazine a publié en ligne un article de synthèse dirigé par le professeur Fanyang Mo (École de science et d'ingénierie des matériaux, Université de Pékin) et le professeur Yuntian Chen (Institut oriental de technologie, Ningbo).
L’équipe de recherche a proposé un changement important vers l’automatisation et l’intelligence artificielle (IA) en chimie organique au cours de la dernière décennie. En outre, ils ont introduit un concept innovant :le développement d'un assistant de recherche en chimie de l'IA génératif et auto-évolutif.
Le paysage de la recherche en chimie organique a connu de profondes mutations. Les données, la puissance de calcul et les algorithmes sophistiqués constituent les piliers fondamentaux de la recherche scientifique basée sur l’IA. Ces dernières années, les progrès rapides de la technologie informatique, associés à l’amélioration itérative des algorithmes, ont initié une série de changements de paradigme dans le domaine scientifique. Cela a conduit à une refonte complète des méthodologies de recherche conventionnelles.
La chimie organique, intrinsèquement prédisposée à créer de nouvelles substances, est particulièrement bien placée pour prospérer dans cette ère d’innovation intelligente. Les scientifiques du monde entier convergent désormais dans leurs efforts pour explorer et exploiter les capacités de l'intelligence artificielle en chimie, déclenchant ainsi le mouvement de la « chimie de l'intelligence artificielle ».
Le monde universitaire est actuellement à l’avant-garde d’une renaissance de la recherche dans ce domaine. L’avenir est très prometteur pour l’application des techniques d’intégration et de découverte des connaissances dans l’apprentissage automatique scientifique. Cette approche innovante est conçue pour réduire l'écart entre les modèles prédictifs existants et les plates-formes expérimentales automatisées, facilitant ainsi le développement d'assistants de recherche chimique en IA auto-évolutifs.
Dans le domaine de la chimie organique, le concept de découverte de connaissances grâce à l’apprentissage automatique scientifique ouvre de nouvelles possibilités. Au cœur de cette discipline se trouve la compréhension des mécanismes réactionnels, qui impliquent souvent des réseaux complexes d'intermédiaires, d'états de transition et de réactions concurrentes.
Les approches traditionnelles pour déchiffrer ces mécanismes reposaient sur des études cinétiques et le marquage isotopique. Cependant, la fusion des mathématiques symboliques et de l'IA est sur le point de jeter un nouvel éclairage sur ces voies complexes, transformant potentiellement à la fois la compréhension et l'enseignement des réactions chimiques organiques.
De plus, l'aspect de l'intégration des connaissances revêt une importance significative du point de vue d'un chimiste organique. La chimie organique regorge de règles heuristiques, allant des règles de Markovnikov pour l'addition électrophile aux règles de Baldwin pour les fermetures d'anneaux.
L’intégration de ces principes établis dans les modèles d’IA garantirait que leurs prédictions ne sont pas uniquement basées sur des données, mais qu’elles résonnent également avec la compréhension intuitive des chimistes. Cette intégration produirait des informations à la fois plus profondes et mieux alignées sur les perspectives nuancées de la chimie organique.
Plus d'informations : Chengchun Liu et al, Transformer les paradigmes de recherche en chimie organique :passer des efforts manuels à l'intersection de l'automatisation et de l'intelligence artificielle, National Science Open (2023). DOI : 10.1360/nso/20230037
Fourni par Science China Press
