Во время химической реакции молекулы набирают энергию, пока не достигнут так называемого переходного состояния — точки невозврата, из которой должна начаться реакция. Это состояние настолько мимолетно, что наблюдать его экспериментально практически невозможно.
Структуры этих переходных состояний можно рассчитать с помощью методов, основанных на квантовой химии, но этот процесс занимает чрезвычайно много времени. Команда исследователей Массачусетского технологического института разработала альтернативный подход, основанный на машинном обучении, который позволяет рассчитывать эти структуры гораздо быстрее — в течение нескольких секунд.
Их новая модель может быть использована, чтобы помочь химикам разрабатывать новые реакции и катализаторы для производства полезных продуктов, таких как топливо или лекарства, или для моделирования естественных химических реакций, таких как те, которые могли бы способствовать эволюции жизни на Земле.
«Знание того, что структура переходного состояния действительно важно как отправная точка для размышлений о разработке катализаторов или понимания того, как природные системы осуществляют определенные преобразования», — говорит Хизер Кулик, доцент кафедры химии и химического машиностроения в Массачусетском технологическом институте и старший автор исследования. .
Ченру Дуан, доктор философии ’22, является ведущим автором статьи с описанием работы, которая сегодня опубликована в Природа Вычислительная наука. Авторами статьи также являются аспирант Корнеллского университета Юаньци Ду и аспирант Массачусетского технологического института Хаоцзюнь Цзя.
Мимолетные переходы
Чтобы произошла любая химическая реакция, она должна пройти через переходное состояние, которое наступает, когда достигается энергетический порог, необходимый для протекания реакции. Вероятность возникновения любой химической реакции частично определяется тем, насколько вероятно образование переходного состояния.
«Переходное состояние помогает определить вероятность химического превращения. Если у нас есть много чего-то, что нам не нужно, например углекислого газа, и мы хотели бы преобразовать его в полезное топливо, такое как метанол, то переходное состояние и то, насколько оно благоприятно, определяет, насколько вероятно, что мы получим от реагент к продукту», — говорит Кулик.
Химики могут рассчитывать переходные состояния, используя метод квантовой химии, известный как теория функционала плотности. Однако этот метод требует огромной вычислительной мощности и может занять много часов или даже дней для расчета только одного переходного состояния.
Недавно некоторые исследователи попытались использовать модели машинного обучения для обнаружения структур переходного состояния. Однако разработанные к настоящему времени модели требуют рассмотрения двух реагентов как единого целого, в котором реагенты сохраняют одинаковую ориентацию друг относительно друга. Любые другие возможные ориентации должны моделироваться как отдельные реакции, что увеличивает время вычислений.
«Если молекулы реагентов вращаются, то в принципе до и после этого вращения они все еще могут подвергаться одной и той же химической реакции. Но в традиционном подходе машинного обучения модель будет рассматривать это как две разные реакции. Это значительно усложняет обучение машинному обучению и делает его менее точным», — говорит Дуан.
Команда Массачусетского технологического института разработала новый вычислительный подход, который позволил им представить два реагента в любой произвольной ориентации относительно друг друга, используя тип модели, известный как модель диффузии, которая может узнать, какие типы процессов с наибольшей вероятностью генерируют тот или иной конкретный результат. исход. В качестве обучающих данных для своей модели исследователи использовали структуры реагентов, продуктов и переходных состояний, рассчитанные с помощью методов квантовых вычислений для 9000 различных химических реакций.
«Как только модель узнает основное распределение того, как эти три структуры сосуществуют, мы сможем дать ей новые реагенты и продукты, и она попытается создать структуру переходного состояния, которая сочетается с этими реагентами и продуктами», — говорит Дуан.
Исследователи протестировали свою модель примерно на 1000 реакциях, которых она раньше не видела, попросив ее сгенерировать 40 возможных решений для каждого переходного состояния. Затем они использовали «модель уверенности», чтобы предсказать, какие состояния возникнут с наибольшей вероятностью. Эти решения имели точность с точностью до 0,08 ангстрема (одна стомиллионная сантиметра) по сравнению со структурами переходного состояния, созданными с использованием квантовых методов. Весь вычислительный процесс занимает всего несколько секунд для каждой реакции.
«Вы можете себе представить, что на самом деле это масштабируется до мысли о создании тысяч переходных состояний за время, которое обычно занимает создание лишь нескольких из них с помощью обычного метода», — говорит Кулик.
Моделирование реакций
Хотя исследователи обучали свою модель в первую очередь реакциям с участием соединений с относительно небольшим числом атомов — до 23 атомов во всей системе — они обнаружили, что она также может делать точные прогнозы для реакций с участием более крупных молекул.
«Даже если вы посмотрите на более крупные системы или системы, катализируемые ферментами, вы получите довольно хорошее представление о различных типах способов, которыми атомы с наибольшей вероятностью перестраиваются», — говорит Кулик.
Теперь исследователи планируют расширить свою модель, включив в нее другие компоненты, такие как катализаторы, что может помочь им выяснить, насколько тот или иной катализатор ускорит реакцию. Это может быть полезно для разработки новых процессов производства фармацевтических препаратов, топлива или других полезных соединений, особенно когда синтез включает в себя множество химических стадий.
«Традиционно все эти расчеты выполняются с помощью квантовой химии, и теперь мы можем заменить часть квантовой химии этой быстрой генеративной моделью», — говорит Дуан.
Еще одним потенциальным применением модели такого типа является изучение взаимодействий, которые могут происходить между газами, обнаруженными на других планетах, или моделирование простых реакций, которые могли произойти во время ранней эволюции жизни на Земле, говорят исследователи.
Новый метод представляет собой «значительный шаг вперед в предсказании химической реакционной способности», — говорит Ян Хальборг Йенсен, профессор химии Копенгагенского университета, который не принимал участия в исследовании.
«Нахождение переходного состояния реакции и связанного с ним барьера является ключевым шагом в прогнозировании химической реакционной способности, но также и одной из самых сложных задач для автоматизации», — говорит он. «Эта проблема сдерживает многие важные области, такие как вычислительный катализатор и открытие реакций, и это первая работа, которую я видел, которая могла бы устранить это узкое место».
Исследование финансировалось Управлением военно-морских исследований США и Национальным научным фондом.