Przejdź do treści

System agentowy AI projektuje i syntetyzuje nowe kryształy MOF. Przełom w odkrywaniu materiałów porowatych

Badacze stworzyli wieloagentowy system AI o nazwie MOFGen, który projektuje i wspiera syntezę nowych szkieletów metaloorganicznych. Rozwiązanie opisane w „Nature Computational Science” pokonuje ograniczenia dotychczasowych modeli i przyspiesza prace nad materiałami porowatymi.

System agentowy AI projektuje i syntetyzuje nowe kryształy MOF. Przełom w odkrywaniu materiałów porowatych
fot. Gemini AI

Szkielety metaloorganiczne (ang. metal-organic frameworks, MOF) to porowate materiały krystaliczne zbudowane z nieorganicznych węzłów metalowych połączonych organicznymi cząsteczkami pomostowymi, określanymi jako linkery. Ze względu na swoją specyficzną budowę znajdują zastosowanie między innymi w wychwytywaniu dwutlenku węgla, pozyskiwaniu wody z powietrza oraz separacji gazów.

Dotychczasowe wykorzystanie metod obliczeniowych do poszukiwania nowych związków z tej grupy napotykało jednak poważne bariery. Tradycyjne modele generatywne ograniczały się zazwyczaj do układów liczących zaledwie kilkadziesiąt atomów, a dodatkowym wyzwaniem była ocena, czy zaprojektowane teoretycznie kryształy w ogóle da się zsyntetyzować w warunkach laboratoryjnych.

Siedem etapów pracy autonomicznych agentów

Jak podaje serwis Bioengineer.org, powołując się na publikację w czasopiśmie „Nature Computational Science”, zespół naukowców – wśród których znalazł się m.in. Omar M. Yaghi – opracował modułowy system agentowy o nazwie MOFGen. Łączy on duże modele językowe, sieci dyfuzyjne, symulacje mechaniki kwantowej oraz zautomatyzowaną robotykę laboratoryjną. Cały proces podzielono na siedem powiązanych ze sobą etapów, nad którymi nadzór jako interfejs użytkownika sprawuje nadrzędny agent językowy MOFMaster.

Na początku ścieżki agent LinkerGen generuje wzory chemiczne organicznych linkerów, wykorzystując uczenie w kontekście (in-context learning) oraz rozumowanie łańcuchowe (chain-of-thought) oparte na zapisie SMILES. Następnie dane o składzie trafiają do modelu dyfuzyjnego CrystalGen. W przeciwieństwie do wcześniejszych rozwiązań, które upraszczały siatki krystaliczne, CrystalGen operuje na poziomie pojedynczych atomów w superkomórkach liczących do 256 atomów. Wytrenowany na bazie 500 tysięcy struktur model wygenerował 259 559 kandydatów opartych na klastrach cynku.

Kwantowa weryfikacja i synteza w laboratorium

Wygenerowane struktury wymagają dokładnego sprawdzenia pod kątem stabilności fizycznej. Odpowiadają za to agenty QForge oraz QHarden. Pierwszy z nich dokonuje wstępnej selekcji geometrycznej (m.in. pod kątem średnicy porów) i wstępnej optymalizacji z użyciem uczenia maszynowego (MACE-MP-0). Następnie agent SynthABLE rozkłada wstępnie przefiltrowane kryształy na wyizolowane linkery i ocenia możliwość ich syntezy. Spośród około 180 tysięcy unikalnych cząsteczek wyodrębnionych na tym etapie, zaledwie 73 były wcześniej opisane w literaturze naukowej. Najbardziej obiecujące struktury trafiają do agenta QHarden, który wykonuje zaawansowane obliczenia oparte na teorii funkcjonału gęstości (DFT), tworząc ostateczną bazę 3 tysięcy zoptymalizowanych kryształów.

Na końcu ścieżki obliczeniowej agent SynthGen ocenia i typuje 349 najbardziej obiecujących linkerów do dalszych prac. Właściwe testy laboratoryjne przeprowadzono z użyciem robota do dozowania cieczy Opentrons OT-2, sterowanego przez skrypty w języku Python. Naukowcy sprawdzili trzy podejścia: mutację krzyżową (łączenie znanych linkerów z nowymi węzłami metalowymi), modyfikację propozycji AI przez chemików oraz syntezę de novo zupełnie nowych cząsteczek.

Główny eksperyment pozwolił wytworzyć i potwierdzić metodami dyfrakcji rentgenowskiej cztery docelowe sieci cynkowe (oznaczone od AI-MOF-1 do AI-MOF-4). W ramach rozszerzenia badań poza chemię cynku zsyntetyzowano również materiał na bazie aluminium (AI-MOF-5) oraz dwa związki z mieszanymi linkerami (AI-MOF-6 i AI-MOF-7). Autorzy badania zaznaczają jednak, że system nadal ma ograniczenia, takie jak limit 256 atomów na komórkę elementarną czy konieczność udziału doświadczonych chemików w realizacji syntezy.

Źródło: Bioengineer.org / Nature Computational Science

więcej...

Szukaj na blogu