Vykstant cheminei reakcijai, molekulės įgyja energijos, kol pasiekia vadinamąją pereinamąją būseną – negrįžimo tašką, iš kurio turi vykti reakcija. Ši būsena yra tokia trumpalaikė, kad beveik neįmanoma jos stebėti eksperimentiškai.
Šių pereinamųjų būsenų struktūras galima apskaičiuoti naudojant kvantine chemija pagrįstus metodus, tačiau šis procesas yra labai daug laiko reikalaujantis. MIT mokslininkų komanda dabar sukūrė alternatyvų metodą, pagrįstą mašininiu mokymusi, kuris gali apskaičiuoti šias struktūras daug greičiau – per kelias sekundes.
Jų naujasis modelis galėtų būti naudojamas siekiant padėti chemikams kurti naujas reakcijas ir katalizatorius, kad būtų sukurti naudingi produktai, pavyzdžiui, kuras ar vaistai, arba modeliuoti natūraliai vykstančias chemines reakcijas, tokias kaip tas, kurios galėjo padėti paskatinti gyvybės evoliuciją Žemėje.
„Žinojimas, kad pereinamosios būsenos struktūra yra tikrai svarbi kaip atspirties taškas galvojant apie katalizatorių kūrimą arba supratimą, kaip natūralios sistemos vykdo tam tikras transformacijas“, – sako Heather Kulik, MIT chemijos ir chemijos inžinerijos docentė ir vyresnioji tyrimo autorė. .
Chenru Duan PhD ’22 yra pagrindinis darbo aprašo autorius, kuris šiandien pasirodo Gamtos skaičiavimo mokslas. Kornelio universiteto absolventas Yuanqi Du ir MIT absolventas Haojun Jia taip pat yra šio straipsnio autoriai.
Trumpalaikiai perėjimai
Kad įvyktų bet kuri cheminė reakcija, ji turi pereiti pereinamąją būseną, kuri įvyksta pasiekus energijos slenkstį, reikalingą reakcijai vykti. Bet kokios cheminės reakcijos tikimybę iš dalies lemia pereinamosios būsenos susidarymo tikimybė.
„Pereinamoji būsena padeda nustatyti cheminės transformacijos tikimybę. Jei turime daug kažko, ko nenorime, pvz., anglies dioksido, ir norėtume jį paversti naudingu kuru, pavyzdžiui, metanolis, pereinamoji būsena ir jos palankumas lemia, kiek tikėtina, kad mes gausime reaguoja į produktą“, – sako Kulikas.
Chemikai gali apskaičiuoti pereinamąsias būsenas naudodami kvantinės chemijos metodą, žinomą kaip tankio funkcinė teorija. Tačiau šis metodas reikalauja didžiulės skaičiavimo galios ir gali užtrukti daug valandų ar net dienų, kad būtų galima apskaičiuoti tik vieną perėjimo būseną.
Neseniai kai kurie tyrinėtojai bandė naudoti mašininio mokymosi modelius, kad atrastų pereinamųjų būsenų struktūras. Tačiau iki šiol sukurti modeliai reikalauja, kad du reagentai būtų laikomi vienu objektu, kuriame reagentai išlaiko tą pačią orientaciją vienas kito atžvilgiu. Visos kitos galimos orientacijos turi būti modeliuojamos kaip atskiros reakcijos, kurios padidina skaičiavimo laiką.
„Jei reagentų molekulės sukasi, tai iš esmės prieš ir po šio sukimosi jos vis tiek gali patirti tą pačią cheminę reakciją. Tačiau taikant tradicinį mašininio mokymosi metodą, modelis matys tai kaip dvi skirtingas reakcijas. Dėl to mašininio mokymosi mokymas yra daug sunkesnis ir ne toks tikslus“, – sako Duanas.
MIT komanda sukūrė naują skaičiavimo metodą, kuris leido jiems pavaizduoti du reagentus bet kokia savavališka orientacija vienas kito atžvilgiu, naudojant modelio tipą, žinomą kaip difuzijos modelis, kuris gali sužinoti, kurių tipų procesai greičiausiai generuoja tam tikrą rezultatas. Kaip mokymo duomenis savo modeliui tyrėjai naudojo reagentų, produktų ir pereinamųjų būsenų struktūras, kurios buvo apskaičiuotos naudojant kvantinio skaičiavimo metodus, 9000 skirtingų cheminių reakcijų.
„Kai modelis sužinos pagrindinį šių trijų struktūrų pasiskirstymą, galime suteikti jam naujų reagentų ir produktų, ir jis bandys sukurti pereinamosios būsenos struktūrą, kuri susietų su tais reagentais ir produktais“, – sako Duanas.
Tyrėjai išbandė savo modelį su maždaug 1000 reakcijų, kurių anksčiau nematė, prašydami sukurti 40 galimų sprendimų kiekvienai pereinamojo laikotarpio būsenai. Tada jie naudojo „pasitikėjimo modelį“, kad nuspėtų, kurios būsenos buvo labiausiai tikėtinos. Šie sprendimai buvo tikslūs iki 0, 08 angstremo (šimto milijono centimetro), palyginti su pereinamojo būsenos struktūromis, sukurtomis naudojant kvantinius metodus. Visas skaičiavimo procesas kiekvienai reakcijai užtrunka vos kelias sekundes.
„Galite įsivaizduoti, kad iš tikrųjų reikia galvoti apie tūkstančių pereinamųjų būsenų generavimą per tą laiką, kurio paprastai prireiktų, kad sugeneruotumėte tik saują taikant įprastą metodą“, – sako Kulikas.
Reakcijų modeliavimas
Nors mokslininkai apmokė savo modelį pirmiausia reakcijų, susijusių su junginiais, turinčiais palyginti mažą atomų skaičių (iki 23 atomų visoje sistemoje), jie nustatė, kad jis taip pat gali tiksliai numatyti reakcijas, kuriose dalyvauja didesnės molekulės.
„Net jei žiūrite į didesnes sistemas arba sistemas, kurias katalizuoja fermentai, jūs gana gerai aprėpiate įvairius būdus, kuriais atomai greičiausiai persitvarko“, – sako Kulikas.
Dabar mokslininkai planuoja išplėsti savo modelį, įtraukdami kitus komponentus, tokius kaip katalizatoriai, kurie galėtų padėti jiems ištirti, kiek konkretus katalizatorius pagreitintų reakciją. Tai gali būti naudinga kuriant naujus vaistų, degalų ar kitų naudingų junginių gamybos procesus, ypač kai sintezė apima daug cheminių etapų.
„Tradiciškai visi šie skaičiavimai atliekami naudojant kvantinę chemiją, o dabar kvantinės chemijos dalį galime pakeisti šiuo greitu generuojančiu modeliu“, – sako Duanas.
Kitas galimas tokio modelio pritaikymas yra tyrinėti sąveiką, kuri gali atsirasti tarp kitose planetose randamų dujų, arba modeliuoti paprastas reakcijas, kurios galėjo įvykti ankstyvosios gyvybės evoliucijos metu Žemėje, teigia mokslininkai.
Naujasis metodas yra „reikšmingas žingsnis į priekį numatant cheminį reaktyvumą“, sako Kopenhagos universiteto chemijos profesorius Janas Halborgas Jensenas, kuris nedalyvavo tyrime.
„Reakcijos pereinamosios būsenos ir susijusios barjero nustatymas yra pagrindinis žingsnis numatant cheminį reaktyvumą, bet taip pat ir viena iš sunkiausių užduočių, kurias reikia automatizuoti“, – sako jis. „Ši problema stabdo daugelį svarbių sričių, tokių kaip skaičiavimo katalizatorius ir reakcijos atradimas, ir tai yra pirmasis mano matytas dokumentas, galintis pašalinti šią kliūtį.
Tyrimą finansavo JAV karinio jūrų laivyno tyrimų biuras ir Nacionalinis mokslo fondas.
