تغطية شاملة

سيساعد الذكاء الاصطناعي وميكانيكا الكم في اكتشاف الأدوية

الشبكات العصبية لمحاكاة الحركة الجزيئية * مجال التعلم الآلي يجعل من الممكن تطبيق ميكانيكا الكم بشكل فعال في عمليات المحاكاة الجزيئية

نماذج جديدة تعتمد على التعلم العميق تتنبأ بالتفاعلات بين الذرات في الجزيئات العضوية. ستساعد هذه النماذج علماء الأحياء الحاسوبية ومطوري الأدوية على فهم الأمراض وعلاجها بكفاءة أكبر. بإذن من جامعة فلوريدا
نماذج جديدة تعتمد على التعلم العميق تتنبأ بالتفاعلات بين الذرات في الجزيئات العضوية. ستساعد هذه النماذج علماء الأحياء الحاسوبية ومطوري الأدوية على فهم الأمراض وعلاجها بكفاءة أكبر. بإذن من جامعة فلوريدا

[ترجمة د.نحماني موشيه]

أظهرت دراسة جديدة أجراها باحثون من جامعتي نورث كارولينا وفلوريدا أنه من الممكن "تعليم" الشبكات العصبية الاصطناعية تطبيق قوانين ميكانيكا الكم من أجل وصف حركات الجزيئات، أي تطويرها المحاكاة المستخدمة في مجموعة واسعة من مجالات المعرفة.
وقال أحد الباحثين: "تكمن أهمية نتائج البحث في أننا قادرون الآن على نمذجة المواد والديناميات الجزيئية بمعدل أسرع مليار مرة مقارنة بالطرق الكمومية العادية، مع الحفاظ على نفس المستوى من الدقة". يعد فهم كيفية تحرك الجزيئات أمرًا ضروريًا وقيمًا لتطوير الأدوية، ومحاكاة البروتين وكيمياء المواد التفاعلية، على سبيل المثال، ويمكن استخدام كلتا طريقتي ميكانيكا الكم والأساليب التجريبية (التجريبية) في عمليات المحاكاة هذه.

تحمل الطريقة الجديدة وعدًا بتعزيز قدرات الباحثين في العديد من المجالات وتحسين الدقة القائمة على التعلم الآلي في الدراسات المستقبلية للسبائك المعدنية وفيزياء المتفجرات. يمكن لخوارزميات ميكانيكا الكم، المستخدمة في أجهزة الكمبيوتر العادية، أن تصف بدقة كبيرة الحركات الميكانيكية للمركب في بيئة محددة. ومع ذلك، فإن طرق ميكانيكا الكم محدودة من حيث الحجم الجزيئي المتغير للمركبات، وبالتالي فإن عمليات المحاكاة الخاصة بها أقل دقة. حتى الزيادة الطفيفة في الحجم الجزيئي داخل محاكاة معينة يمكن أن تزيد بشكل كبير من قوة الحوسبة المطلوبة. لذلك، غالبًا ما يستخدم العلماء المعلومات التجريبية، التي تصف حركة الذرات في إطار الفيزياء الكلاسيكية وقوانين نيوتن، والتي تؤدي إلى عمليات محاكاة مناسبة أيضًا لمليارات الذرات أو ملايين المركبات الكيميائية. تقليديًا، تكون الإمكانات التجريبية مطلوبة لموازنة المفاضلات بين التقادم (للنموذج) والدقة - عندما يتم ضبط العديد من المعلمات بشكل صحيح لمركب واحد، تكون دقة المركبات الأخرى منخفضة. في المقابل، طور الباحثون نهجًا للتعلم الآلي يسمى "التعلم النقلي" يسمح للباحثين بتطوير الإمكانات التجريبية من خلال التعلم من البيانات المجمعة حول ملايين المركبات. يمكن تطبيق النهج الجديد على جزيئات جديدة على مستوى المللي ثانية، وهي نتيجة ستسمح بدراسة العديد من المركبات في أوقات أقصر بكثير.

المقال الذي يصف الدراسة

أخبار الدراسة

 

تعليقات 4

  1. والنتيجة ليست جديدة. نشر البروفيسور شاشوا أمنون مقالا رائدا ثالثا حول الطريقة التي يتم بها ذلك.
    كان عليه قبل عام.
    ربما يكون الاكتشاف النظري الأصلي هو اكتشافه.

  2. بغض النظر عن مدى صحتها ومدى ارتباطها، فإن إضافة "فيزياء الكم" إلى أي شيء يجعلها تبدو مبالغًا فيها.

ترك الرد

لن يتم نشر البريد الإلكتروني. الحقول الإلزامية مشار إليها *

يستخدم هذا الموقع Akismat لمنع الرسائل غير المرغوب فيها. انقر هنا لمعرفة كيفية معالجة بيانات الرد الخاصة بك.