Ahli kimia MIT telah mengembangkan model komputasi yang dapat dengan cepat memprediksi struktur keadaan transisi suatu reaksi (struktur kiri), jika diberikan struktur reaktan (tengah) dan produk (kanan). Kredit: David W. Kastner
Memanfaatkan kecerdasan buatan generatif, ahli kimia dari MIT mengembangkan model yang dapat memprediksi struktur yang terbentuk ketika reaksi kimia mencapai titik tidak dapat kembali lagi.
Selama reaksi kimia, molekul memperoleh energi hingga mencapai apa yang dikenal sebagai keadaan transisi – titik dimana reaksi harus dilanjutkan. Keadaan ini sangat cepat berlalu sehingga hampir mustahil untuk mengamatinya secara eksperimental.
Struktur keadaan transisi ini dapat dihitung menggunakan teknik berdasarkan kimia kuantum, namun prosesnya sangat memakan waktu. Sebuah tim peneliti MIT kini telah mengembangkan pendekatan alternatif berdasarkan pembelajaran mesinyang dapat menghitung struktur ini lebih cepat — dalam beberapa detik.
Model baru mereka dapat digunakan untuk membantu ahli kimia merancang reaksi dan katalis baru untuk menghasilkan produk bermanfaat seperti bahan bakar atau obat-obatan, atau untuk memodelkan reaksi kimia yang terjadi secara alami seperti yang mungkin membantu mendorong evolusi kehidupan di Bumi.
“Mengetahui bahwa struktur keadaan transisi sangat penting sebagai titik awal untuk memikirkan perancangan katalis atau memahami bagaimana sistem alami melakukan transformasi tertentu,” kata Heather Kulik, profesor kimia dan teknik kimia di DENGANdan penulis senior studi tersebut.
Chenru Duan PhD ’22 adalah penulis utama makalah yang menjelaskan karya tersebut, yang muncul hari ini di Ilmu Komputasi Alam. Mahasiswa pascasarjana Cornell University, Yuanqi Du dan mahasiswa pascasarjana MIT Haojun Jia juga merupakan penulis makalah ini.
Transisi sekilas
Agar suatu reaksi kimia dapat terjadi, reaksi tersebut harus melalui keadaan transisi, yang terjadi ketika mencapai ambang energi yang diperlukan agar reaksi dapat berlangsung. Kemungkinan terjadinya reaksi kimia sebagian ditentukan oleh seberapa besar kemungkinan terjadinya keadaan transisi.
“Keadaan transisi membantu menentukan kemungkinan terjadinya transformasi kimia. Jika kita memiliki banyak sesuatu yang tidak kita inginkan, seperti karbon dioksida, dan kita ingin mengubahnya menjadi bahan bakar yang berguna seperti metanol, keadaan transisi dan seberapa menguntungkan hal tersebut akan menentukan seberapa besar kemungkinan kita mendapatkan hasil dari hal tersebut. reaktan terhadap produk,” kata Kulik.
Ahli kimia dapat menghitung keadaan transisi menggunakan metode kimia kuantum yang dikenal sebagai teori fungsional kerapatan. Namun, metode ini memerlukan daya komputasi yang sangat besar dan memerlukan waktu berjam-jam atau bahkan berhari-hari untuk menghitung satu keadaan transisi saja.
Baru-baru ini, beberapa peneliti mencoba menggunakan model pembelajaran mesin untuk menemukan struktur keadaan transisi. Namun, model yang dikembangkan sejauh ini memerlukan pertimbangan dua reaktan sebagai satu kesatuan dimana reaktan mempertahankan orientasi yang sama terhadap satu sama lain. Kemungkinan orientasi lain harus dimodelkan sebagai reaksi terpisah, sehingga menambah waktu komputasi.
“Jika molekul reaktan diputar, maka pada prinsipnya sebelum dan sesudah rotasi tersebut masih dapat mengalami reaksi kimia yang sama. Namun dalam pendekatan pembelajaran mesin tradisional, model akan melihat ini sebagai dua reaksi berbeda. Hal ini membuat pelatihan pembelajaran mesin menjadi lebih sulit dan kurang akurat,” kata Duan.
Tim MIT mengembangkan pendekatan komputasi baru yang memungkinkan mereka mewakili dua reaktan dalam orientasi sembarang terhadap satu sama lain, menggunakan jenis model yang dikenal sebagai model difusi, yang dapat mempelajari jenis proses mana yang paling mungkin menghasilkan reaksi tertentu. hasil. Sebagai data pelatihan untuk model mereka, para peneliti menggunakan struktur reaktan, produk, dan keadaan transisi yang telah dihitung menggunakan metode komputasi kuantum, untuk 9.000 reaksi kimia berbeda.
“Setelah model mempelajari distribusi yang mendasari bagaimana ketiga struktur ini hidup berdampingan, kami dapat memberikan reaktan dan produk baru, dan model tersebut akan mencoba menghasilkan struktur keadaan transisi yang berpasangan dengan reaktan dan produk tersebut,” kata Duan.
Para peneliti menguji model mereka pada sekitar 1.000 reaksi yang belum pernah dilihat sebelumnya, memintanya untuk menghasilkan 40 kemungkinan solusi untuk setiap keadaan transisi. Mereka kemudian menggunakan “model kepercayaan” untuk memprediksi negara bagian mana yang paling mungkin terjadi. Solusi ini akurat hingga 0,08 angstrom (seratus juta sentimeter) jika dibandingkan dengan struktur keadaan transisi yang dihasilkan menggunakan teknik kuantum. Seluruh proses komputasi hanya membutuhkan beberapa detik untuk setiap reaksi.
“Anda dapat membayangkan bahwa hal ini benar-benar mencakup pemikiran untuk menghasilkan ribuan keadaan transisi dalam waktu yang biasanya Anda perlukan untuk menghasilkan hanya segelintir keadaan dengan metode konvensional,” kata Kulik.
Reaksi pemodelan
Meskipun para peneliti melatih model mereka terutama pada reaksi yang melibatkan senyawa dengan jumlah atom yang relatif kecil – hingga 23 atom untuk keseluruhan sistem – mereka menemukan bahwa model tersebut juga dapat membuat prediksi yang akurat untuk reaksi yang melibatkan molekul yang lebih besar.
“Bahkan jika Anda melihat sistem yang lebih besar atau sistem yang dikatalisis oleh enzim, Anda mendapatkan cakupan yang cukup baik tentang berbagai jenis cara yang paling mungkin dilakukan penataan ulang atom,” kata Kulik.
Para peneliti sekarang berencana untuk memperluas model mereka dengan memasukkan komponen lain seperti katalis, yang dapat membantu mereka menyelidiki seberapa besar katalis tertentu akan mempercepat suatu reaksi. Hal ini dapat berguna untuk mengembangkan proses baru untuk menghasilkan obat-obatan, bahan bakar, atau senyawa bermanfaat lainnya, terutama ketika sintesis melibatkan banyak langkah kimia.
“Biasanya semua penghitungan ini dilakukan dengan kimia kuantum, dan sekarang kami dapat mengganti bagian kimia kuantum dengan model generatif cepat ini,” kata Duan.
Penerapan potensial lainnya untuk model semacam ini adalah mengeksplorasi interaksi yang mungkin terjadi antara gas-gas yang ditemukan di planet lain, atau untuk memodelkan reaksi sederhana yang mungkin terjadi selama awal evolusi kehidupan di Bumi, kata para peneliti.
Referensi: “Pembuatan keadaan transisi yang akurat dengan model difusi reaksi dasar ekivalen yang sadar objek” oleh Chenru Duan, Yuanqi Du, Haojun Jia dan Heather J. Kulik, 15 Desember 2023, Ilmu Komputasi Alam.
DOI: 10.1038/s43588-023-00563-7
Penelitian ini didanai oleh Kantor Penelitian Angkatan Laut AS dan National Science Foundation.
