Искусственный интеллект PhAI расшифровывает фазы рентгеновских лучей для предсказания структуры молекул

В своей статье, опубликованной в журнале Science, Андерс Ларсен, Томс Рекис и Андерс Мадсен подробно описывают процесс разработки системы и ее тестирование.

Как это работает?

Как отмечают исследователи, текущий процесс предсказания структуры молекулы включает в себя преобразование группы молекул в твердые кристаллы и последующее облучение их рентгеновскими лучами. Электроны в рентгеновском пучке, сталкиваясь с кристаллом, рассеиваются по определенному паттерну. Анализируя этот паттерн, химики могут определить структуру молекул, составляющих кристалл.

Однако существует сложность: несмотря на то, что измерить интенсивность рентгеновских лучей во время облучения относительно просто, определить их фазу исследователи не могут. В связи с этим им часто приходится прибегать к догадкам, что нередко приводит к получению размытых дифракционных картин. В своем новом исследовании команда ученых нашла способ использовать ИИ для выявления уникальных особенностей паттернов, даже если они размыты.

PhAI - приложение для расшифровки фаз.

Для создания своего приложения на основе ИИ, получившего название PhAI, команда использовала компьютерное моделирование для создания миллионов искусственных структур небольших молекул и поледующего расчета размытых дифракционных картин, которые были бы получены из-за их несовершенных кристаллических структур.

Затем они использовали полученные результаты для обучения ИИ на основе взаимосвязи между кристаллами и полученными размытыми паттернами. Это позволило им получить как информацию о фазе, так и об интенсивности, а также выходные данные для миллионов возможных молекул. Эта информация была использована для проведения финального обучения.

Тестирование системы показало, что она способна точно предсказывать структуру 2400 реальных небольших молекул, структура которых уже была известна. Исследовательская группа планирует продолжить свою работу, надеясь расширить возможности PhAI за пределы молекул, состоящих из 50 атомов, а также изучить потенциал интеграции с языковыми моделями, такими как ChatGPT, для автоматизации интерпретации и документирования результатов анализа.