Исследователи Массачусетского технологического института (MIT) представили новую модель машинного обучения, позволяющую предсказывать переходные состояния химических реакций всего за 0,4 секунды с высокой точностью. Это достижение может значительно упростить процесс разработки химических реакций, необходимых для создания полезных соединений, включая фармацевтики и топливо.
Переходное состояние — это критический момент, при достижении которого реакция должна продолжаться, но его чрезвычайно трудно наблюдать экспериментально. Современные методы предсказания этих состояний требуют значительных вычислительных ресурсов и могут занимать часы или даже дни. В отличие от них, новая модель, названная React-OT, использует линейную интерполяцию для приблизительной оценки расположения атомов, что значительно ускоряет процесс вычислений.
Основные авторы исследования, включая Хизер Кулик, бывшего аспиранта MIT Ченру Дуана, и студентов из других университетов, отметили, что их модель продемонстрировала точность на 25% выше по сравнению с предыдущими методами. Исследование опубликовано в Nature Machine Intelligence.
Благодаря эффективности React-OT, исследователи надеются интегрировать эту модель в существующие рабочие процессы, что значительно ускорит нахождение оптимальных переходных состояний для различных химических реакций. Команда также разрабатывает приложение, которое позволит другим ученым использовать их подход для прогнозирования реакционных переходных состояний.
Исследование финансировалось несколькими государственными учреждениями США, включая Национальный научный фонд и Министерство обороны.